shazam用于iphone上的语音识别

Question

我正在尝试构建一个应用程序，允许用户录制单个人说话，然后将录音保存在设备上，并使用发言人的姓名标记每个记录。 然后是检测模式，我记录某人，如果他在本地数据库中，可以告诉他的名字。

首先 - 这有可能吗？ 我是iOS开发的新手，并不熟悉可用的API。

更重要的是，我应该使用哪个API（理想情况下是免费的）来关联传入的语音和本地数据库中的记录？ 这应该像Shazam一样，但更简单，因为我正在寻找匹配的数据库要小得多。

Answer 1

如果您不熟悉iOS开发，我会从核心应用程序开始录制音频，让人们手动选择一个配置文件/名称将其附加到后面并担心说话人识别部分。

对于识别方面，你显然有两个选择：你可以选择其他人的语音认证/说话人识别库（可能是C或C ++），或者你可以尝试编写自己的。

有多少人会使用你的应用程序？ 你或许可以自己创造一些基本的东西：如果这是男人和女人之间的差异，你可以通过对音频进行FFT频谱分析并弄清楚频率峰值的位置来解决这个问题。 显然，用于发出不同音素的频率会有所不同，因此解决两个声音相当相似的人的一般情况可能很难。 您需要使用一堆文本训练系统并构建某种频率分布模型。 你可以试着进行聚类或其他什么，但是你会很快地遇到相当多的数学（ 高斯混合模型等）。 有图书馆/项目可以做到这一点。 您可以从matlab移植它，例如： https ： //github.com/codyaray/speaker-recognition

如果你想采取现成的东西，我会选择像misral这样的直接C库，因为从Objective-C调用它应该相对容易。

SpeakHere示例代码应该让您开始录制和播放音频。

此外，用户可能需要更长的时间来训练您的应用程序识别它们，而不是通过从列表中选择名称来节省时间。 除非你打算让他们的声音成为某种安全护照类型的东西，否则可能不值得打扰。