我正在为儿童开发一些软件，并且希望增加软件对一些非语音声音的响应能力。例如，拍手，吠叫，吹口哨，放屁声等等。非语音噪音或声音识别软件？
我以前用过CMU Sphinx和Windows Speech API，但是据我所知，语音噪音，事实上我相信它们会积极地将其滤除。
总的来说，我正在寻找“我如何获得这个功能”，但我怀疑它可能帮助，如果我把它分解成是我猜测的该怎么寻找下一个三个问题：
感谢
我不知道，你可以使用任何现有的库，我怀疑你可能推出自己的。
本文有兴趣吗？它有一些技术细节，他们似乎能够识别拍子并将它们与口哨声区分开来。
是的，你可以使用语音识别软件，如CMU狮身人面像进行识别的非语音声音。为此，您需要创建自己的声学和语言模型，并定义仅限于您的任务的词典。但为了训练相应的声学模型，您必须有足够的训练数据以及带注释的感兴趣的声音。
总之，步骤的顺序如下：
首先，对于训练准备资源：词典，字典等的此处所描述的方法：http://cmusphinx.sourceforge.net/wiki/tutorialam。但就你而言，你需要重新定义音素集和词典。也就是说，你应该把填充物模型化为真实的单词（所以，不要用++左右），你不需要定义完整的音素集。有很多可能性，但最简单的可能是为所有语音音素制作单一模型。因此，你的词汇会看起来像：
CLAP CLAP
BARK BARK
WHISTLE WHISTLE
FART FART
SPEECH SPEECH
其次，带标签的准备训练数据：类似VoxForge的东西，但文本注释必须从你的词典中只包含标签。当然，非言语声音也必须正确标记。这里的好问题是从哪里获得足够多的此类数据。但我想这应该是可能的。
有了这些，你可以训练你的模型。与语音识别相比，此任务更简单，例如，您不需要使用三音电话，只需使用单音。
假设任何声音/语音相等的先验概率，最简单的语言模型可以是一个类似环的语法（http://cmusphinx.sourceforge.net/wiki/tutoriallm）：
#JSGF V1.0;
/**
* JSGF Grammar for Hello World example
*/
grammar foo;
public <foo> = (CLAP | BARK | WHISTLE | FART | SPEECH)+ ;
这是使用ASR工具包，你的任务很基本的方法。可以通过微调HMM配置，使用统计语言模型和使用细粒音素建模（例如区分元音和辅音而不是单个SPEECH模型，这取决于您的训练数据的性质）来进一步改进。
在语音识别的框架之外，您可以构建一个简单的静态分类器，它将逐帧分析输入数据。对频谱图进行操作的卷积神经网络对于此任务表现相当好。
[我的回答]（http://stackoverflow.com/q/8285673/22364）[来自连续麦克风流的非语音，非音乐声音的实时识别]（http：// stackoverflow.com/q/8285673）可能是相关的。 – 2011-11-27 12:52:37