Python扬声器识别

Question

我有一个音频文件（录制2人电话交谈）。我需要自动分开2个扬声器的声音。我是新来的语音识别，我看着Python的波模块，但表面上找到任何丰富的信息。

请帮助如何开始。也请建议我免费的Python库，这将帮助我解决问题。

Answer 1

从numpy开始，我会查看谱图（基本上是一个滚动FFT），作为区分音频录制中不同声音的好方法。

这里的频谱功能Matplotlib：

http://matplotlib.sourceforge.net/api/pyplot_api.html#matplotlib.pyplot.specgram

我会建议Python(x,y)如果你刚刚在Windows平台上启动。

Answer 2

查看CMU Sphinx Python库。它是用Java开发的，所以我认为Python库只是包装器。该项目背后有很多正在进行的研究。

官方维基：http://cmusphinx.sourceforge.net/wiki/

快速入门教程为Linux在这里：http://probing.wikidot.com/speech-recognition-using-sphinx3-and-python

Answer 3

退房sciKits的TalkBox：http://projects.scipy.org/scikits/wiki/Talkbox

Unfortunutly教程是非常严格的限制：http://www.ar.media.kyoto-u.ac.jp/members/david/softwares/talkbox/talkbox_doc/intro.html

Answer 4

分离的任务的扬声器不是语音识别任务，这是一个说话人识别任务。在演讲中，这个任务也被称为演讲者diarization。有扬声器diarization和说话人识别几个包对于Python：

SIDEKIT from LIUM

Bob toolkit from Idiap

Speaker diarization from ISCI

如果你不局限于Python中，有其他：

LIUM speaker diarization

Speaker recognition setup in Kaldi。包括最先进的基于DNN的i向量。