與R的音頻比較

我在一個項目中工作，我的任務涉及語音/音頻/語音比較。這個項目用來評判比賽中的獲勝者（模仿）。實際上，我需要捕捉用戶的語音/聲音，並將其與原始音頻文件進行比較並返回一個百分比匹配。我需要用R語言來開發它。與R的音頻比較

我已經嘗試過R（tuneR，audio，seewave）中的語音相關軟件包，但在我的搜索中，我無法獲取比較相關信息。

我需要你們的幫助，我可以找到與我的工作相關的信息，這是處理這類問題的最佳方法，如果有的話，處理這些類型的音頻相關的先決條件是什麼工作。

來源

2015-12-14 Dinesh

我不是一個音頻處理專家，但你可以用'seewave'做很多事情，這可能對你有幫助。針對您的具體問題，我想到了譜圖和幅度歸一化 - 兩者都可以通過'seewave'輕鬆完成。 – cryo111

ya感謝您的建議，我曾嘗試過Seewave軟件包中的幅度歸一化，但根據我的知識，我們需要在進行歸一化時擁有合理的值，我可以找到請讓我知道如果您對此有任何想法。再次感謝你。 – Dinesh

基本上，用於語音/語音比較的最佳功能是MFCC。

有一些軟件可以用於提取這些係數：Praat website
您也可以嘗試找到一個lib提取這些係數。
[編輯：我在tuneR documentation，它有一個函數來提取MFCC發現 - 該函數melfcc()搜索]

你提取這些功能後，您可以使用機器學習（SVM，RandomForests或類似的東西）來開發分類器。

我有一個研討會，我已經介紹了關於說話人識別系統，看看它，它可能會有所幫助。 (Seminar)

如果你有時間和興趣，你可以ALGO閱讀：
Authors: Kinnunen, T., & Li, H. (2010)
Paper: an overview of text-independent speaker recognition: From features to supervectors

後你會得到每個音頻樣本（帶MFCC和/或其他特徵）的特徵向量，那麼你」會需要（從A與特點的B功能）比較特徵向量的對：
你可以嘗試使用它們之間的絕對差五個特徵構造函數：

ABS（特徵從A矢量 - 特徵向量從乙）

上述操作的結果是一個特徵向量，其中每個元素是> = 0和它具有與A（或B）特徵向量相同的大小。

您還可以測試A和B的特徵之間的逐元素乘法：

（A1 * B1，A2 * B2，...，一種* BN）

然後，你需要標記每個特徵向量
（1，如果人A ==人物B和0，如果人A！=人物B）。

通常的絕對差的性能比乘法特徵向量更好，但你可以追加載體和測試同時使用ABS DIFF，並在同一時間乘法功能分類的性能。

來源

2015-12-14 11:40:18

很好的答案，但作者引用了一場比賽。我沒有音頻處理的背景，所以我覺得這很有趣。但是，難道你不想看看這兩個向量的規範那樣的功能嗎？一個向量就是你想要模仿的而另一個向量是競爭者，而不是嘗試分類？ –

我從來沒有與模仿過，但我已經與揚聲器識別系統（SRS）合作過。爲了解決這個模擬問題，我將使用與SRS中使用的方法相同的方法。在SRS中，我們開發了一個分類器，該分類器必須能夠抵抗欺騙（也是模仿）。處理欺騙的一種方法是使用分類器作爲預測器（獲得分類器的概率響應）。我不會去尋找一個規範，而是看看競爭對手和你想要模仿的東西之間的概率。最好的模仿者會在分類器中有更大的分數 –

我會選擇上面的方法，因爲我認爲模仿問題類似於說話者識別系統中的欺騙問題。標準通常不是最好的方法，但它是最容易實現的方法之一。代替常規，更簡單的方法是計算A（競爭者）和B（試圖模仿）的特徵向量，然後計算兩個特徵向量之間的餘弦相似度（或相關度）。 –

與R的音頻比較

回答

相關問題