突然好奇:不同的人，说同一个字，音频上的差别在哪里?

[qq_40396547]

通过频谱分析，可以找出不同吗？
那么 同一个人，说不同的字呢？
有没有相关的库函数,专门 声音处理的?像matlab一样?
如果 用arm去作个声音鉴别器，有没有毛病

[ckc]

频谱分析可以找出不同，也可以找出相同 可以识别不同的人说同样的内容 也可以识别说相同的内容的人是谁 不同的人应该从细节上说差异极大 不过会有统计规律存在

[tianxj001]

一不小心，闯入了一个高深技术讨论。 这个技术的名字叫做：声纹识别。目前也是各国智能识别领域在做的课题， 声纹自动识别模型目前可以使用的特征包括： 声学特征(倒频谱)； 词法特征(说话人相关的词n-gram，音素n-gram)； 韵律特征(利用n-gram描述的基音和能量“姿势”)； 语种、方言和口音信息；(5)通道信息(使用何种通道)；等等。 在现实应用中，倒谱系数（MFCC）作为特征参数进行声纹识别，已经有不少成功应用。 一个典型的例子是这样的： 采样特定对象的N组音频文件作为样本，对这些样本先进行语音信号的预处理，分别进行预加重、加窗、FIR滤波、分帧，做出了波形图和频谱图，建立了代表说话人身份的语音特征模型，然后通过程序从语音数据中提取说话人的MFCC特征参数。MFCC数字化分析，度娘上应该可以找到。

[dceacho]

应该是各频率所在比例不同,比如声音尖的高频比重大一点

[qq_40396547]

引用 2 楼 ckc 的回复:

频谱分析可以找出不同，也可以找出相同 可以识别不同的人说同样的内容 也可以识别说相同的内容的人是谁 不同的人应该从细节上说差异极大 不过会有统计规律存在

那么根据统计规律出来的，就存在误差咯,准确率大概有多少呢?这个识别 是根据 哪个参量？还是像二楼朋友所说的，比例?

[qq_40396547]

引用 3 楼 tianxj001 的回复:

一不小心，闯入了一个高深技术讨论。 这个技术的名字叫做：声纹识别。目前也是各国智能识别领域在做的课题， 声纹自动识别模型目前可以使用的特征包括： 声学特征(倒频谱)； 词法特征(说话人相关的词n-gram，音素n-gram)； 韵律特征(利用n-gram描述的基音和能量“姿势”)； 语种、方言和口音信息；(5)通道信息(使用何种通道)；等等。 在现实应用中，倒谱系数（MFCC）作为特征参数进行声纹识别，已经有不少成功应用。 一个典型的例子是这样的： 采样特定对象的N组音频文件作为样本，对这些样本先进行语音信号的预处理，分别进行预加重、加窗、FIR滤波、分帧，做出了波形图和频谱图，建立了代表说话人身份的语音特征模型，然后通过程序从语音数据中提取说话人的MFCC特征参数。MFCC数字化分析，度娘上应该可以找到。

还要专门去建 特征模型.....太复杂了.....

[河天高云淡]

一）响度（loudness）：人主观上感觉声音的大小（俗称音量），由“振幅”（amplitude）和人离声源的距离决定，振幅越大响度越大，人和声源的距离越小，响度越大。人对声音感受的响度不是一个常数，不同的人，不同的特定频率，在不同的声压级（单位：分贝）环境下所感受响度的量级有明显不同结果。（单位：方） （二）音调（pitch）：声音的高低（高音、低音），由“频率”（frequency）决定，频率越高音调越高（频率单位Hz（hertz），赫兹rl，人耳听觉范围20～20000Hz。20Hz以下称为次声波，20000Hz以上称为超声波）例如，低音端的声音或更高的声音，如细弦声。 频率是每秒经过一给定点的声波数量，它的测量单位为赫兹，是以一个名叫海里奇R.赫兹的音响奇人命名的。此人设置了一张桌子，演示频率是如何与每秒的周期相关的。 1千赫或1000赫表示每秒经过一给定点的声波有1000个周期，1万赫就是每秒钟有10000个周期，等等。 （三）音色（Timbre）：又称音品，波形决定了声音的音色。声音因不同物体材料的特性而具有不同特性，音色本身是一种抽象的东西，但波形是把这个抽象直观的表现。音色不同，波形则不同。典型的音色波形有方波，锯齿波，正弦波，脉冲波等。不同的音色，通过波形，完全可以分辨的。