小词汇量语音识别（约 20 个单词）
Speech Recognition for small vocabulary (about 20 words)
我目前正在为我的大学做一个项目。任务是编写语音识别系统，该系统将在后台 phone 上 运行 等待几个命令（比如调用 0 123 ...）。
这是一个 2 个月的项目，因此不必非常准确。可接受的噪音量可以很小，单词之间会被沉默片刻分开。
我目前正在加载以 RAW 16 位 PCM 格式编码的示例字。将其拆分为块（每秒约 50 个）并对每个块进行 运行ning FFT 以获得频谱。
要解决的问题是：
1）通过较长的录音并将其拆分成单词。
2) 找到与单词
的最佳匹配
1) 我正在考虑逐个检查一个块，如果我遇到几个具有更高人类语音频率高度的块，则假设这个词已经开始。无论如何，我正在寻找可能对此有所帮助的资源。
2) 这个接缝有点硬。是否有必要将 HMM 用于这样的系统，或者假设词汇量很小（20 个单词）可能有更简单的方法？
编辑：
该项目的重点是我自己编写系统，所以我不能使用现成的库，如 Sphinx 或 HTK。
此致，
卡罗尔
要识别 phone 上的命令，您可以使用 Pocketsphinx。 Tutorial 涵盖了 Android 上的语音识别应用程序，可在 CMUSphinx 网站上找到。
如果以后有人有同样的问题。寻找 2 个主要关键字：
MFCC - Mel-Frequency cepstrum coefficients 计算每个单词模板的一系列系数
DTW - 将捕获的词与模板匹配
可以在维基百科上找到足够好的 DTW 描述
这种方法非常好，在 20 个单词的字典上有大约 80% 的准确率，并在 class 期间提供了一个很好的演示。
我目前正在为我的大学做一个项目。任务是编写语音识别系统，该系统将在后台 phone 上 运行 等待几个命令（比如调用 0 123 ...）。
这是一个 2 个月的项目，因此不必非常准确。可接受的噪音量可以很小，单词之间会被沉默片刻分开。
我目前正在加载以 RAW 16 位 PCM 格式编码的示例字。将其拆分为块（每秒约 50 个）并对每个块进行 运行ning FFT 以获得频谱。
要解决的问题是： 1）通过较长的录音并将其拆分成单词。 2) 找到与单词
的最佳匹配1) 我正在考虑逐个检查一个块，如果我遇到几个具有更高人类语音频率高度的块，则假设这个词已经开始。无论如何，我正在寻找可能对此有所帮助的资源。
2) 这个接缝有点硬。是否有必要将 HMM 用于这样的系统，或者假设词汇量很小（20 个单词）可能有更简单的方法？
编辑： 该项目的重点是我自己编写系统，所以我不能使用现成的库，如 Sphinx 或 HTK。
此致， 卡罗尔
要识别 phone 上的命令，您可以使用 Pocketsphinx。 Tutorial 涵盖了 Android 上的语音识别应用程序，可在 CMUSphinx 网站上找到。
如果以后有人有同样的问题。寻找 2 个主要关键字：
MFCC - Mel-Frequency cepstrum coefficients 计算每个单词模板的一系列系数
DTW - 将捕获的词与模板匹配 可以在维基百科上找到足够好的 DTW 描述
这种方法非常好，在 20 个单词的字典上有大约 80% 的准确率，并在 class 期间提供了一个很好的演示。