1. IT宝库
  2. 编程技术问答
  3. speech-recognition
以下是关于 speech-recognition 的编程技术问答
python webrtc的语音活动检测是错误的
我需要进行语音活动检测作为对音频文件进行分类的步骤. 基本上，我需要肯定地知道给定音频是否使用语言. 我正在使用py-webrtcvad，我在git-hub中找到，几乎没有记录: https://github.com/wiseman/wiseman/py-webrtcvad 的事情是，当我在自己的音频文件上尝试它时，它可以与具有语音的音频文件一起使用，但是当我用其他类型的音频(例如音乐或鸟类声音)喂食时，它会产生误报.将侵略性设置为3. 音频是8000个样本/Hz 我更改为源代码的唯一一件事就是将参数传递给主函数的方式(不包括SYS.Args). def main(file, agresividad): audio, sample_rate = read_wave(file) vad = webrtcvad.Vad(int(agresividad)) frames = frame_generator(30, audio, s
0 2023-12-01
编程技术问答社区
音频信号在字级边界的分割
我正在使用webrtcvad和pydub使用音频文件.任何碎片的分裂都是通过寂静的句子. 有什么办法可以在单词级边界条件下进行拆分? (每个口语之后)? 如果libsa/ffmpeg/pydub具有这样的功能，那么每个人声都可以分开吗?但是分开后，我需要声音的开始和结束时间，正是该声乐部分在原始文件中所定位的. 一个简单的解决方案或通过FFMPEG分裂的方法是由以下方式定义的: ，但这也通过静音分裂，每个填充号或框架大小，分裂是不同的.我正在尝试通过声乐分开. 例如，我手动完成了原始文件，拆分单词及其在JSON中的时间位置在链接下提供的文件夹中: 解决方案 在将音频预处理成合适的功能之后，可以使用隐藏的Markov模型来处理简单的音频分割问题.语音的典型特征将是声音，声乐活动/声音.为了获得单词级分段(而不是句子)，这需要具有相当高的时间分辨率.不幸的是，Pywebrtcvad没有可调节的时间平滑，因此可能不适合该任务. 在您的音频示例中，有一个广播主机在德语中很快说
0 2023-12-01
编程技术问答社区
Webkit Speech-Javascript触发麦克风监听
在Webkit浏览器中给出: 在 有没有办法用JavaScript触发麦克风? 解决方案 目前不是. 您可以访问 http://www.webkit.org/这将来. 其他解决方案 旧问题，但这是现在的，ish. http:http:http:http:http:http:http:http:http:http:http://updates.html5rocks.com/2013/01/voice-driven-web-apps-indroduction-to-the-web-spech-api
0 2023-12-01
编程技术问答社区
使用getUSerMedia和webkitSpeechRecognition允许访问x 2
我正在创建一个使用两种类型的音频输入的站点... getusermedia和webkitspeechRegnition.这两个功能都可以正常工作，但是Chrome弹出了两次访问安全弹出弹出窗口 - 这很有意义.有人知道如何获得一个访问权限处理两个功能吗? 欢呼！ navigator.getUserMedia({audio:true}, gotStream, function(e) { alert('Error getting audio'); console.log(e); }); 和... var recognition = new webkitSpeechRecognition(); 解决方案 避免多次要求权限的唯一方法是确保您的网页使用HTTPS URL.然后，Chrome会记住您的权限，而不会再次显示弹出窗口. 其他解决方案 在Chrome 36上(可能是早期的)，我只有一个弹出栏.
0 2023-12-01
编程技术问答社区
webkitspeechrecognition不再提示许可了
我一直在原型分类使用WebKitsPeechRevention.我很快了解到，您不能从文件加载它们，必须从Web服务器提供它们.我正在使用OSX，因此我只是将文件移至已经运行和启用的本地Apache.这很好一段时间了. 出于某种原因，我的任何页面都没有效果会促使我拒绝/允许麦克风使用.我什至从另一个Web服务器复制了一个现有的工作页面，如果我从 http://localhost/speech.html 它不会提示.它跳过了提示，然后转到我的识别. However, if I load the same page (or any of my other prototypes) from http://127.0.0.1/speech.html 效果很好.这使我认为我意外地缓存了"总是拒绝"之类的回应.我认为我清除/重置了所有的镀铬设置，但我仍然得到相同的行为. 127.0.0.1将正确提示，但Localhost根本不会提示. Chrome可以在哪里存储一些我需要清除的其他设置
0 2023-12-01
编程技术问答社区
Chrome浏览器是否有针对 "x-webkit-speech "输入元素的内置语音识别？
我想知道 如何 是否存在镀铬内置的语音识别，还是在操作系统中访问基础语音识别设施? 解决方案 是的，Chrome通过Google的服务器进行语音识别.但是，没有理由其他浏览器无法选择以不同的方式实现它(例如，在操作系统中使用某些语音识别设施). balu，您的链接实际上有点过时.最新的Google提案可以在这里找到: http:http://www.w3 .org/2005/uncubator/htmlspeech/2010/10/google-api-draft.html 尽管在Chrome Dev Channel中已经有一段时间在Chrome Dev Channel中获得了语音识别，但它 尚未发货，我们尚不确定它何时会发货.我们绝对希望人们使用API​​并提供反馈，但我们认为这还没有准备好黄金时段. 其他解决方案 根据代码，将音频数据作为发布请求发送到:
0 2023-11-30
编程技术问答社区
使用网络语音API检测已知单词
我处于旨在帮助儿童学习词汇的Web应用程序的计划阶段.我们希望使该应用尽可能互动.例如，我们将显示一个苹果的图片，并要求孩子识别对象.然后，孩子会说"苹果"，我们将确定它们是否正确，等等. 新的有人以这种方式(或其他任何其他API)有经验吗?我正在尝试坚持可以在浏览器中运行的技术. 解决方案 尝试 ispikit.com ，它更适合您的需求，它是专门用于教育的任务并在客户端的浏览器中工作.网络语音API不是为检测而设计的，因此您将无法使用它.
0 2023-11-29
编程技术问答社区
Android Wear自定义语音操作
我正在制作一个适合Android Wear的应用程序， 我想在Google的" OK Google"选项中实现命令. 我看到了此页: /p> ，但它仅与包括Android Wear中的活动的应用有关. 我想问: 我可以添加自定义命令吗?我的意思是，那些不以"开始"一词开始的人? 我可以添加命令可以做另一件事，而不仅仅是打开应用程序吗?喜欢运行方法? 如果不是问这个问题的地方，您能给我一个电子邮件/链接Google开发人员的帮助/支持吗?谢谢. 解决方案 对于在Android磨损设备上运行的应用程序: 否，固定了系统提供的语音操作列表(并列出在这里).您可以将应用程序设置为能够响应它们(例如， to note )，但是您不能添加新的. 是的.当您的应用程序中已经进入时，您可以使用startActivityForResult()使用ACTION_RECOGNIZE_SPEECH获取语音输入.然后，您可以使用返回的字符串执行您想要的任何内容. 与此同
0 2023-11-29
编程技术问答社区
来自Python上的麦克风的Wav文件
我的项目是使用麦克风进行扬声器识别. 我正在使用speeh_rcognition库来提取我的麦克风音频，但是对象的类是'specy_recognition.audiodata'，我不知道如何将其转换为wav文件(例如，为了使用libresa，获得音频功能，也许可以识别扬声器). 有人可以帮我吗?我已经学习Python已经有很多时间了，所以使用麦克风可以更简单的方法来识别扬声器:) 非常感谢！ 解决方案 将音频写入WAV文件: with open("microphone-results.wav", "wb") as f: f.write(audio.get_wav_data()) 引用 返回一个代表WAV文件内容的字节字符串 包含由Audiodata实例表示的音频.
0 2023-11-27
编程技术问答社区
比较安卓中的语音WAV或语音标签（语音命令）API
我正在开发一个应用程序，我需要某种方法来比较2个声音，无论是否匹配，我知道语音识别器是一种做到这一点的方法首先，除了语音识别器支持的范围外，它不适合其他语言....有什么想法吗?就像过去的手机一样 解决方案 a 相对简单的方法是使用FFT(快速傅立叶变换)将原始WAV文件的时间域数据转换为频域数据(每个数据都转换的阵列中的值表示特定频带的相对大小/强度). 如果同一个人两次说相同的单词，则在两个WAV文件中，由此产生的时间域数据仍将非常不同.将两个WAV文件转换为频域(使用两者的FFT窗口的大小相同，即使两个文件的长度略有不同)也会产生频率数组，而频率数组与彼此的相似性要比原始的WAV文件更相似./p> 不幸的是，我找不到专门针对Android的FFT库.这是一个引用一些基于Java的库的问题: java中的信号处理库? 其他解决方案 一个想法正在比较声音在其光谱中的相似性.频谱图中的特征是强大的，并且可以抵抗噪声，这是分析两个声音的良好参考. 如果采用这种方法
0 2023-11-27
编程技术问答社区
有什么方法可以将音频文件发送到语音到文本的识别中？
我想要Android语音识别系统分析音频文件，而不是麦克风的默认传入声音. 有什么方法可以做到吗? 谢谢. 解决方案 cmusphinx.sourceforge.net/wiki/tutorialandroid刚刚发现链接听起来像是某人创建了Android版本的sphinx. 查看这样做的Android API似乎并不支持. (软件包summary.html ) 您可能可以使用另一个API. 我知道Microsoft的C#API允许使用此功能，但是为了使其有用，您可能需要使用您编写的程序来设置服务器，然后在手机上记录声音文件，然后将其发送到服务器. cmusphinx(StreamSpeechRecognizer recognizer = new StreamSpeechRecognizer(configuration); recognizer.startRecognition(new File("speech.wav").toURI().to
0 2023-11-27
编程技术问答社区
保存Android Stock语音识别引擎的音频输入
我试图将Android语音识别服务收听的音频数据保存在文件中. 实际上我实现了RecognitionListener，如下所示: on android上的文字 如下所示，将数据保存到缓冲区中: 捕获发送给Google语音识别服务器的音频 ，将缓冲区写入WAV文件，如这里. android record awnroid record raw to raw to raw to raw to raw to raw to Wave File in Wave File for HTTP Streaming 我的问题是如何获得适当的音频设置以保存在WAV文件的标题中. 实际上，当我播放WAV文件时，只有此参数听到奇怪的噪音， short nChannels=2;// audio channels int sRate=44100; // Sample rate short bSamples = 16;// byteSample 或没有这样的: short
2 2023-11-27
编程技术问答社区
网络语音API自定义词
我读了 w3c docs 关于此，我认为自定义单词来自自定义语法，但是我尝试转到此演示，在控制台中输入以下JavaScript: recognition.grammars.addFromString('foo'); 哪个运行正常，recognition.grammars[0].src返回:"data:application/xml,foo" 注意:'foo'不是我感兴趣的单词，但是我感兴趣的单词不是英语单词，在此示例中使用'foo'.当我正常讲自己的自定义单词时，它认为我在说其他话(这很有意义).我在这里使用" foo"来保护我的品牌:) 所以我想要的是能够说"嘿，foo"，类似于"好的，google"的工作方式.但是我的" foo"单词不是一个实际的单词，所以SpeechRecognitionResult没有我的自定义单词. 我是误解了如何添加自定义单词，还是今天不可能? 解决方案 当我通常会说我的自定义单词时，它认为我在说其他话(这很有意义).
0 2023-11-26
编程技术问答社区
如何在Unity项目中加入语音识别？
我目前正在使用使用语音识别来控制统一对象的Vuforia进行增强现实项目.我只是在寻找示例工作代码. 解决方案 统一还没有内置.他们一直在做研究很长时间很快就会添加到团结中.您可以从资产商店获取工作语音到文本(免费) .它是开源的，您可以帮助如果您遇到任何问题，请对此做出贡献. 作为旁注，几乎每个操作系统都有语音识别API.您可以通过将所有这些API包装到C#中的Sing类中轻松制作插件/a>确定您的游戏正在运行的操作系统，请致电哪个. android : speeckRecognizer class. class. 请参阅此项目 ios : sfspeechRecognizer class macos : nsspeechRecognizer class Windows : 在a> class 请参阅此项目 https://github.com/lightbuzz/lightbuzz/speech-recognition
2 2023-11-26
编程技术问答社区
什么是好的开源VoiceXML实现？
我试图通过将开源项目的零件拼凑在一起来确定是否可以构建完整的IVR应用程序.是否有人使用非商业语音XML实现来构建支持语音的系统? 解决方案 过去我尝试过Jvoicexml，并有一些运气. http://jvoicexml.sourceforge.net/ 当然是Java，但这不是我的情况. 其他解决方案 foveglue(其他解决方案 您可能想看看OpenVXI，我相信许多销售非常昂贵的IVR平台(例如Avaya)的公司已经基于其语音浏览器. http://en.wikipedia.org/wiki/wiki/openvxi
0 2023-11-25
编程技术问答社区
在MSR身份识别工具箱（fopen）中出错
我尝试使用Error using fread Invalid file identifier. Use fopen to generate a valid file identifier. Error in htkread (line 7) nframes = fread(fid, 1, 'int32'); % number of frames Error in mapAdapt>load_data (line 107) data{ix} = htkread(filenames{ix}); Error in mapAdapt (line 52) dataList = load_data(dataList); Error in demo_gmm_ubm (line 69) gmm_models{spk} = mapAdapt(spk_files, ubm, map_tau, config); 代码的一部分导致错误如下: function data = load_data(dat
0 2023-11-25
编程技术问答社区
将GMM-UBM的分数转换为等效的准确率百分比
我为扬声器识别目的构建了一个GMM-UBM模型.适用于每个说话者的模型的输出，通过对数似然比计算得出的一些分数.现在，我想将这些似然得分转换为0到100之间的同等数字.有人可以指导我吗? 解决方案 没有直接的公式.您可以做简单的事情，例如 prob = exp(logratio_score) ，但这些可能无法反映您数据的真实分布.您的样品的计算概率百分比不会均匀分布. 理想情况下，您需要获取一个大数据集并收集有关您对分数的接受/拒绝率的统计信息.然后，一旦构建直方图，您就可以通过该频谱图将得分差异标准化，以确保如果您看到一定的分数差异，则可以接受30％的主题.该归一化将使您能够创建均匀分布的概率百分比.请参阅例如如何如何在存在零细胞的情况下，计算2x2表的似然比的置信区间 这个问题在扬声器识别系统中很少解决，因为置信区间不是您真正想要显示的.您需要一个简单的接受/拒绝决定，为此，您需要知道虚假拒绝和接受费率的数量.因此，仅找到一个阈值，而不是建立整个分布是足
0 2023-11-25
编程技术问答社区
安卓系统中的语音活动检测
我正在编写一个应用程序，该应用程序的行为将与现有的语音识别类似，但会将声音数据发送到专有的Web服务以执行语音识别部分.我使用的是标准的Mediarecord(已编码AMR-NB)，这似乎是语音识别的完美选择.此提供的唯一数据是通过 getMaxAmplitude() methot. 我正在尝试检测该人何时开始说话，以便当该人停止说话大约2秒钟时，我可以继续将声音数据发送到Web服务.现在，我正在使用一个阈值来振幅，如果它越过值(即1500)，那么我认为该人在说话.我担心的是，振幅水平可能因设备而有所不同(即Nexus One V droid)，因此我正在寻找一种可以从振幅值得出的更标准的方法. . P.S. 我看了看 graphing-agplitude ，但它并没有提供仅使用幅度进行操作的方法. 解决方案 好吧，这可能没有太大帮助，但是从应用程序通过测量设备麦克风捕获的偏移噪声开始，并基于此动态应用阈值?这样，您将使其适应不同设备的麦克风，也可以适应用户在给定时间使
0 2023-11-25
编程技术问答社区
一个Chrome扩展程序如何获得用户的许可来使用用户的计算机的麦克风？
如果我们在Chrome上的网站上以下面的网站上的HTML5的Web Speech API的JavaScript代码运行，Chrome将要求使用用户使用用户的计算机的麦克风的许可. var recognition = new webkitSpeechRecognition(); recognition.start(); 但是，如果我在Chrome Extension的页面上运行上面的代码，Chrome不会要求用户允许. Chrome扩展如何获得用户使用用户计算机的麦克风的权限? 谢谢. 解决方案 我认为您必须自己实施.在Chrome Extension的清单中，有一个权限参数.我认为首先，您必须获得该文件中使用麦克风的权限.我不知道该参数是什么，但是您可以在文档中检查一下. 仅在用户安装扩展名时显示此权限警告.之后，扩展可以在意志下打开/关闭麦克风.要寻求用户的许可，请首先检查网站用户正在使用的以及是否要激活麦克风.之后，只需在该网页中注入html/css代码
编程技术问答社区
使用安卓语音控制启动我的活动
我读过>这个帖子上发布的文章，我尝试了代码来启动自己的语音识别活动.有效！.因此，我的问题是，如何自定义内置语音命令按钮(硬件)的动作来启动我写的活动而不是内置语音搜索?我已经彻底搜索了网络，包括 解决方案 您必须使用SpeechRecognizer而不是RecognizerIntent.使用它有点困难，但是您可以完全控制. 有关代码，请参阅在这里:: 以及我对两种方法之间的差异的讨论在这里
0 2023-11-25
编程技术问答社区
热门专题
Arduino dht11的数据怎么在1602显示 cbuild" 命令 安卓allowbackup默认 Azure Redis accesskey连接 react-native 页面切换效果 小程序 Echarts 不会重新绘制 nessus csv转中文 c# lambda表达式教程 数组的toLocalString方法 x86_cd_vl_x14-74070 激活 marshallingdecoder 解析自定义udp包 R语言survey分层抽样精度评定 mabits xml中 $和#同时用 poi 判断 open xml idea profiler工具 c#textbox改变高度 路由器 pptp 域名 linkedhashmap转换为list openwrt 如何设置让局域网内设备不能互相访问 Android双卡手机获取不到手机号