Jak rozpoznać głośnik ze wzoru głosu za pomocą funkcji Microsoft Speech?

Question

Używam Microsoft Speech C# API dla automatyki domowej

Chciałbym wiedzieć, czy istnieje sposób lub wbudowana metoda C# do wprowadzania głosów hash i rozpoznawanie, kto mówi. Jeśli to Alicja lub Bob mówią "Hello Alice" lub "Hello Bob".

EDIT:

Microsoft Speech API może dostarcza .wav nagrania. To może być zdolny do mieszania, przetwarzania, ... zrozumieć, kto mówi:

• donośnym głosem powolnym modulacja, ... => Bob
• wysoki głos, szybki modulacji, ... => Alice

Answer 1

Rozpoznawanie głośników jest trudnym problemem i nadal jest aktywnym obszarem badań. Nie sądzę, że api Microsoft speech ma jakiekolwiek wsparcie rozpoznawania głośników, ale nie jest w 100% pewne.

Znalazłem następujący artykuł bardzo pomocne podczas badania tematu. Wprowadza temat, a także zapewnia bardzo prymitywną realizację. Prawdopodobnie dobre miejsce na start.

http://www.ibm.com/developerworks/opensource/library/os-sndpeek/index.html

Answer 2

Wygląda na to, że starają się rozwiązać problem Głośnik Diarization (znalezienie który mówi kiedy); istnieje w tym celu wiele narzędzi dostępnych w Internecie. Mogę polecić jeden (uruchomić na Javie) o nazwie LIUM: http://www-lium.univ-lemans.fr/diarization/doku.php.

Jeśli interesuje Cię wyróżnienie Alicji i Boba, możesz zajrzeć do części Wykrywanie płci na stronie Skrypty na powyższej stronie internetowej (lub bezpośrednio tutaj http://www-lium.univ-lemans.fr/diarization/doku.php/gender_detection).

Answer 3

Można używać Microsoft Speaker Recognition API do wykonywania tego zadania: https://www.microsoft.com/cognitive-services/en-us/speaker-recognition-api

Microsoft dostarcza dwa interfejsy API do tego celu: Weryfikacja głośników & Identyfikacja głośników.

Można znaleźć ich C# & Python SDK tutaj: https://github.com/Microsoft/ProjectOxford-ClientSDK/tree/master/SpeakerRecognition