创建自定义语音命令（GNU / Linux）
我正在寻找建议，为一个个人项目。
我正在尝试创建一个用于创建自定义语音命令的软件。 目标是允许用户/我记录一些音频数据（2/3秒）来定义命令/宏。 然后，当用户说话（记录相同的音频数据）时，命令/宏将被执行。 该软件必须能够在低成本计算机中以小于1秒的处理时间检测命令（例如RaspberryPi）。
我已经通过两种方式进行了搜索： - 语音识别（CMU-Sphinx，Julius，simon）：有很好的开源解决方案，但他们经常需要大型数据库文件，而语音识别并不是我想要做的。 语音识别可能会消耗太多的功能，为一个小功能。 - 音频指纹识别（Chromaprint - > http://acoustid.org/chromaprint）：这似乎是我正在寻找的。 其原理是从原始音频数据创建指纹，然后比较指纹以确定它们是否可以相同。 然而，这种软件/库似乎是为歌曲识别而设计的（就像智能手机上的着名软件一样）：我试图配置一个好的“比较器”，但我认为我的方式不好。
你知道一些专门的软件或代码做类似的东西吗？
任何建议，将不胜感激。
歌曲指纹不适用于该任务，因为指令时间可能会有所不同，并且指纹需要准确的时间匹配。 然而，它很容易实现与时间序列的DTW算法匹配，并且使用CMUSphinx库Sphinxbase提取特征。 有关详情，请参阅关于DTW的维基百科条目。
http://en.wikipedia.org/wiki/Dynamic_time_warping
http://cmusphinx.sourceforge.net/wiki/download
我有一个或多或少类似的项目，我打算发送语音命令给机器人。 语音识别软件对于这样的任务来说太复杂了。 我用C ++中的FFT实现来提取采样语音的傅里叶分量，然后创建主频率（目标语音命令具有最高幅度的频率）的直方图。 我尝试了两种方法：
比较给定语音命令的直方图与存储器中保存的直方图之间的相似性，以确定最可能的命令。
使用支持向量机（SVM）来训练分类器以区分语音命令。 我使用LibSVM，结果比第一种方法好得多。 但是，SVM方法的一个问题是您需要一个相当大的数据集来进行培训。 另一个问题是，当给出一个未知的声音时，分类器总是会输出一个命令（这显然是一个错误的命令检测）。 这可以通过第一种方法避免，即我有相似性度量的阈值。
我希望这可以帮助您实现自己的语音激活软件。
链接地址: http://www.djcxy.com/p/64301.html