Система распознавания голоса

@moxtiom · Регистрация: 09.09.2011

Студворк — интернет-сервис помощи студентам

Здравствуйте.

Как думаете, реально ли сделать простую систему распознавания голоса? Тоесть система должна не распознавать, что говорит человек, а узнавать человека по голосу.

Пример, в базе данных хранится 20-30 образцов голоса и нужно узнать кто именно говорит в данный момент.

На данный момент я планирую сделать следующим образом (нагуглил):
1) Запись голоса с микрофона
2) Фильтрация шумов
3) Получение спектра частот (Быстрое преобразование Фурье)
4) алгоритм MFCC и получение признаков (мел-частотные кепстральные коефициенты)
5) сравнение реальных образцов с образцами в БД

Вроде возможно, но будет ли оно реально работать? Возможно кто-то таким интересовался уже?

Поделитесь, пожалуйста, опытом. Буду рад любим советам.

@sitimur · 04.10.2013, 18:51

Как-то встречал модуль с мк на sparkfun.som который позволял запрограммировать до 20 команд, который распознавал комады, но там основная проблемма была в том что меняешь немного интонацию и не распознает, меняешь скорость речи и снова косяк...
Используя API гугла можно записать речь отправить в инет и получить строку с распознаным текстом, сейчас в 4 индроиде уже и инет не нужен, но над этим долго бились математики и программисты, но если сможешь такое сделать можно сразу патентовать :-)

@Ymk · 04.10.2013, 19:08

Сообщение от sitimur

но если сможешь такое сделать можно сразу патентовать :-)

или платить тому, кто придумал это же быстрее.

@OtixPM · 04.10.2013, 20:44

Сообщение от sitimur

Используя API гугла можно записать речь отправить в инет и получить строку с распознаным текстом

Сетевой сервис Google распознаёт саму речь (возвращает текст), а у ТС в вопросе было - различать голоса разных людей. Читаем внимательно:

система должна не распознавать, что говорит человек, а узнавать человека по голосу

@sitimur · 04.10.2013, 22:37

Я понял что различать людей, по сервис это я так немного не в тему написал. Когда-то очень интересовался этой темой, но понял что используется достаточно заумная математика, и самому не осилить было, а те кто осилил явно не хотели поделиться и рассказать хоть немного как это сделали, а так было-бы интересно посмотреть на такую реализацию, и описанием как это удалось :-)

@moxtiom · 04.10.2013, 23:00

про Google Voice API я тоже думал, но это не совсем то.

> Как-то встречал модуль с мк на sparkfun.som
это не обязательно должна быть апаратная реализация.

@OtixPM · 04.10.2013, 23:27

Сообщение от sitimur

Когда-то очень интересовался этой темой, но понял что используется достаточно заумная математика, и самому не осилить было, а те кто осилил явно не хотели поделиться и рассказать хоть немного как это сделали, а так было-бы интересно посмотреть на такую реализацию, и описанием как это удалось :-)

Если интересует этот оффтопик :-) с распознаванием через Google, то вот imho хорошая статья - видели её? Проект и необходимые ссылочки в статье есть.

@roxp · 06.10.2013, 22:47

...дык, автономности-то все равно нет. А раз речь зашла за оффтоп и действительно автономно, то RF4CE от TI и Bluetooth Smart с Nuance.

@sitimur · 31.10.2013, 21:41

Вот нашел статью http://we.iosyitistromyss.ru/part/vse-o ... vrbot.html тут как раз есть фишка настройки под конкретного человека :-)

Новые блоги и статьи Все статьи Все блоги /
сукцессия микоризы: основная теория в виде двух уравнений. anaschu 11.01.2026 https:/ / rutube. ru/ video/ 7a537f578d808e67a3c6fd818a44a5c4/	WordPad для Windows 11 Jel 10.01.2026 WordPad для Windows 11 — это приложение, которое восстанавливает классический текстовый редактор WordPad в операционной системе Windows 11. После того как Microsoft исключила WordPad из. . .	Classic Notepad for Windows 11 Jel 10.01.2026 Old Classic Notepad for Windows 11 Приложение для Windows 11, позволяющее пользователям вернуть классическую версию текстового редактора «Блокнот» из Windows 10. Программа предоставляет более. . .	Почему дизайн решает? Neotwalker 09.01.2026 В современном мире, где конкуренция за внимание потребителя достигла пика, дизайн становится мощным инструментом для успеха бренда. Это не просто красивый внешний вид продукта или сайта — это. . .
Модель микоризы: классовый агентный подход 3 anaschu 06.01.2026 aa0a7f55b50dd51c5ec569d2d10c54f6/ O1rJuneU_ls https:/ / vkvideo. ru/ video-115721503_456239114	Owen Logic: О недопустимости использования связки «аналоговый ПИД» + RegKZR ФедосеевПавел 06.01.2026 Owen Logic: О недопустимости использования связки «аналоговый ПИД» + RegKZR ВВЕДЕНИЕ Введу сокращения: аналоговый ПИД — ПИД регулятор с управляющим выходом в виде числа в диапазоне от 0% до. . .	Модель микоризы: классовый агентный подход 2 anaschu 06.01.2026 репозиторий https:/ / github. com/ shumilovas/ fungi ветка по-частям. коммит Create переделка под биомассу. txt вход sc, но sm считается внутри мицелия. кстати, обьем тоже должен там считаться. . . .	Расчёт токов в цепи постоянного тока igorrr37 05.01.2026 / * Дана цепь постоянного тока с сопротивлениями и источниками (напряжения, ЭДС и тока). Найти токи и напряжения во всех элементах. Программа составляет систему уравнений по 1 и 2 законам Кирхгофа и. . .

@moxtiom 0 / 0 / 0 Регистрация: 09.09.2011 Сообщений: 98

	Система распознавания голоса 04.10.2013, 14:57. Показов 6419. Ответов 8 Метки нет (Все метки) Здравствуйте. Как думаете, реально ли сделать простую систему распознавания голоса? Тоесть система должна не распознавать, что говорит человек, а узнавать человека по голосу. Пример, в базе данных хранится 20-30 образцов голоса и нужно узнать кто именно говорит в данный момент. На данный момент я планирую сделать следующим образом (нагуглил): 1) Запись голоса с микрофона 2) Фильтрация шумов 3) Получение спектра частот (Быстрое преобразование Фурье) 4) алгоритм MFCC и получение признаков (мел-частотные кепстральные коефициенты) 5) сравнение реальных образцов с образцами в БД Вроде возможно, но будет ли оно реально работать? Возможно кто-то таким интересовался уже? Поделитесь, пожалуйста, опытом. Буду рад любим советам. 0

@sitimur 0 / 0 / 0 Регистрация: 08.02.2012 Сообщений: 648
	04.10.2013, 18:51
	Как-то встречал модуль с мк на sparkfun.som который позволял запрограммировать до 20 команд, который распознавал комады, но там основная проблемма была в том что меняешь немного интонацию и не распознает, меняешь скорость речи и снова косяк... Используя API гугла можно записать речь отправить в инет и получить строку с распознаным текстом, сейчас в 4 индроиде уже и инет не нужен, но над этим долго бились математики и программисты, но если сможешь такое сделать можно сразу патентовать :-) 0

@sitimur 0 / 0 / 0 Регистрация: 08.02.2012 Сообщений: 648
	04.10.2013, 22:37
	Я понял что различать людей, по сервис это я так немного не в тему написал. Когда-то очень интересовался этой темой, но понял что используется достаточно заумная математика, и самому не осилить было, а те кто осилил явно не хотели поделиться и рассказать хоть немного как это сделали, а так было-бы интересно посмотреть на такую реализацию, и описанием как это удалось :-) 0

@moxtiom 0 / 0 / 0 Регистрация: 09.09.2011 Сообщений: 98
	04.10.2013, 23:00
	про Google Voice API я тоже думал, но это не совсем то. > Как-то встречал модуль с мк на sparkfun.som это не обязательно должна быть апаратная реализация. 0

@roxp 0 / 0 / 0 Регистрация: 22.04.2013 Сообщений: 752
	06.10.2013, 22:47
	...дык, автономности-то все равно нет. А раз речь зашла за оффтоп и действительно автономно, то RF4CE от TI и Bluetooth Smart с Nuance. 0

@sitimur 0 / 0 / 0 Регистрация: 08.02.2012 Сообщений: 648
	31.10.2013, 21:41
	Вот нашел статью http://we.iosyitistromyss.ru/part/vse-o ... vrbot.html тут как раз есть фишка настройки под конкретного человека :-) 0