c基本频率+语音检测＃

Question

我试图从麦克风实时检测语音输入。

我已经接收到输入，执行FFT算法，结果以dB为单位。我有一个频域，一个时域和一个谱图。

我怎样才能获得基本频率？ 如果我能得到基本频率，我可以指定如果频率在某些值之间，那么我们正在说话的是语音？ 有没有其他的方式来做到这一点，我已经拥有的东西？

韩国社交协会提前

Answer 1

采取的范围内，这对语音频谱（比方说，400至10K赫兹）的最高峰。这应该给你基本的频率。

或者，您可能需要整合一个频率直方图。这是因为有些时候，你的单词开始于或包含具有相当高频率和广谱的擦音（“s”声音）和摩擦音（“f”和“th”声音）。你不想错过讲话的开始，因为它是从元音以外的东西开始的。

另一个因素是除了语音之外你还会选择什么。是否有很多背景噪音？哪一种？如果没有，那么声音的存在就足够了。例如，如果有音乐，那么你有一个完全不同的挑战。如果你试图区分语音和其他声音，那么我会试图尝试一种神经网络方法 - 它可能需要这种复杂性。

Answer 2

frequency estimation有很多不同的算法，正确的使用取决于你在做什么。你期望什么样的输入？你想用这个输入做什么？你有什么样的处理能力？

检测基本频率不会帮助您确定某个特定的人是否在说话，如果这就是您想要做的。你的声音频率不断变化。你必须制作人的头像的“指纹”等。

简单地找到FFT的峰值不会给你带来好的语音结果。看看cepstral analysis。