Python揚聲器識別

Question

我有一個音頻文件（錄製2人電話交談）。我需要自動分開2個揚聲器的聲音。我是新來的語音識別，我看着Python的波模塊，但表面上找到任何豐富的信息。

請幫助如何開始。也請建議我免費的Python庫，這將幫助我解決問題。

Answer 1

從numpy開始，我會查看譜圖（基本上是一個滾動FFT），作爲區分音頻錄製中不同聲音的好方法。

這裏的頻譜功能Matplotlib：

http://matplotlib.sourceforge.net/api/pyplot_api.html#matplotlib.pyplot.specgram

我會建議Python(x,y)如果你剛剛在Windows平臺上啓動。

Answer 2

查看CMU Sphinx Python庫。它是用Java開發的，所以我認爲Python庫只是包裝器。該項目背後有很多正在進行的研究。

官方維基：http://cmusphinx.sourceforge.net/wiki/

快速入門教程爲Linux在這裏：http://probing.wikidot.com/speech-recognition-using-sphinx3-and-python

Answer 3

退房sciKits的TalkBox：http://projects.scipy.org/scikits/wiki/Talkbox

Unfortunutly教程是非常嚴格的限制：http://www.ar.media.kyoto-u.ac.jp/members/david/softwares/talkbox/talkbox_doc/intro.html

Answer 4

分離的任務的揚聲器不是語音識別任務，這是一個說話人識別任務。在演講中，這個任務也被稱爲演講者diarization。有揚聲器diarization和說話人識別幾個包對於Python：

SIDEKIT from LIUM

Bob toolkit from Idiap

Speaker diarization from ISCI

如果你不侷限於Python中，有其他：

LIUM speaker diarization

Speaker recognition setup in Kaldi。包括最先進的基於DNN的i向量。