从音频文件输入检测人声

Question

我正在尝试实现自动录音功能，类似于Talking Tom应用程序。我使用以下代码读取音频记录器的输入并分析缓冲区：

 float totalAbsValue = 0.0f;
 short sample = 0;

 numberOfReadBytes = audioRecorder.read( audioBuffer, 0, bufferSizeInBytes);

 // Analyze Sound.
 for( int i=0; i<bufferSizeInBytes; i+=2 )
 {
     sample = (short)( (audioBuffer[i]) | audioBuffer[i + 1] << 8 );
     totalAbsValue += Math.abs( sample ) / (numberOfReadBytes/2);
 }

 // Analyze temp buffer.
 tempFloatBuffer[tempIndex%3] = totalAbsValue;
 float temp = 0.0f; 

 for( int i=0; i<3; ++i )
 temp += tempFloatBuffer[i];

现在，我能够检测来自录音机的语音输入，并可以分析音频缓冲区。

缓冲区转换为浮点值，如果增加一定量，则假定背景中存在一些声音并开始录制。但问题是应用程序开始录制所有背景噪音，包括风扇/交流管道声音。

有人能帮我分析一下只检测人声的缓冲区吗？或者有没有其他方法可以从录音机输入中检测人声？

先谢谢你，

Answer 1

如果你想有一个干净的录音，你可以

1. 过滤来自语音的噪声，您可以使用FFT并应用低通、高通和带通滤波器等滤波器使用FFT和滤波器进行过滤

2.过滤后，噪音会减少，你可以使用语音识别API的

API的

过滤越多越好，噪音越少，识别越多，但在过滤时要小心，因为它也可以去除声音和噪音。

另请阅读有关 FFt 的更多信息

人声的快速傅里叶变换

希望这有帮助：）

Answer 2

对于语音检测，尝试ftt算法。

对于噪音，尝试speex库。

Answer 3

语音检测没那么简单。有几种算法，其中一些已发布，例如GSM VAD。有几个开源VAD库可用，这里讨论其中一些