如何从wave文件中获取音频数据？

Question

我想用ruby构建语音识别引擎。我知道我永远不会到达那里，只是为了好玩。我需要获取存储在wav文件中的声音频率的数据，以便与我想要识别的具有不同声音的数据进行比较。 我会在ruby中编写代码，但是我不认为有任何用Ruby编写的库，如果有的话它们会太慢。 关于ruby的好处是我可以通过IronRuby或Java通过Jruby为.net使用库。 我怎样才能得到频率数据？

Answer 1

波形文件不是太复杂，实质上它只是一系列音频样本：http://www-mmsp.ece.mcgill.ca/Documents/AudioFormats/WAVE/WAVE.html。

一旦您可以读取样本，下一步就是通过FFT转换来运行它们，以便获取频率内容。应该有一些可以使用的开源实现，或者你可以自己实现一个。

你所要做的事情需要对信号处理背后的音频和数学有所了解，所以也许你会想从一本关于这个主题的书开始。

Answer 2

您应该阅读一些关于说话人识别的论文。而且你也可以在因特网上找到许多库来解决这个问题。 要建立一个说话人识别系统（可以识别系统或验证系统），你需要：

• 好音频功能（你想找到的东西，将描述你有每个扬声器明确地声音数据集）中，大多数音频特征是在分类术语频谱上提取的（这意味着对信号应该静止的音频信号的小帧采取的信号进行FFT处理）。但我们从不将频谱本身（FFT的对数）作为描述符（频谱中太多无用的信息）。描述某人的声音最重要的是频谱的包络。你一定要看一下名为MFCC的音频描述符（对于Mel频率倒谱系数），这是广泛用于扬声器识别任务的音频特征的动机。

• 那么你还需要一个好的分类器（类似于GMM，SVM ...），因为这个问题是使用监督机器学习算法解决的。基本上，您需要为每个想要识别的扬声器训练模型，然后使用尚未用于训练的数据测试模型。该模型