Python建立简易语音识别系统

最新推荐文章于 2026-05-22 13:24:13 发布

原创

最新推荐文章于 2026-05-22 13:24:13 发布 · 3.5w 阅读

收录于

这篇博客介绍了如何使用Python建立一个能识别0-9单个数字的简易语音识别系统。通过提取mfcc特征，计算误差矩阵和应用动态规划来达到识别目的。然而，目前系统仅接受1秒长度的语音，导致非固定长度输入时识别效果下降。作者提出了优化方案，即提取有效语音部分，但该功能还在原型阶段。

将AI课上学习的知识进行简单的整理,可以识别简单的0-9的单个语音。基本方法就是利用库函数提取mfcc,然后计算误差矩阵,再利用动态规划计算累积矩阵。并且限制了匹配路径的范围。具体的技术网上很多,不再细谈。

现有缺点就是输入的语音长度都是1s,如果不固定长度则识别效果变差。改进思路是提取有效语音部分。但是该部分尚未完全做好,只写了一个原形函数,尚未完善。

这里写图片描述

import wave
import numpy as np
import matplotlib.pyplot as plt
from python_speech_features import mfcc
from math import cos,sin,sqrt,pi
def read_file(file_name):
    with wave.open(file_name,'r') as file:
        params = file.getparams()
        _, _, framerate, nframes = params[:4] 
        str_data = file.readframes(nframes)
        wave_data = np.fromstring(str_data, dtype = np.short)
        time = np.arange(0, nframes) * (1.0/framerate)
        return wave_data, time  

    return index1,index2
def find_point(data):
    count1,count2 = 0,0
    for index,val in enumerate(data):
        if count1 <40:
            count1 = count1+1