我正在做一个需要检测一些语音模式的项目。 例如“有人在尖叫”：因为我不知道那个人是谁，孩子、男人、女人……每个人都有自己的声音……等等。
所以，我正在寻找一种方法来检测“尖叫”，例如，尽可能多地保存“尖叫”的指纹，然后当我需要检查声音是否是“尖叫”的声音时，我可能会为其创建一个指纹，然后搜索并查看我是否可以在我已经拥有的“尖叫”指纹列表中找到相似之处。
我的方法是使用类似以下项目的东西：
每个都会给我一个特定声音的独特指纹，对吗？ 我的问题是： 我如何能够在“尖叫”指纹列表中搜索相似性，是否有任何可能的方法来生成分数或返回每个指纹的相似性百分比，以便我可以确定我正在测试的声音是否按百分比或有尖叫吗？
谢谢， J.B
【问题讨论】：
标签： speech-recognition similarity audio-fingerprinting
我的方法是使用以下项目：
这不是一个好主意，尖叫通常是相当稳定的声音，而所有这些库都会搜索声音中的不规则性。他们不会检测到任何东西。最好改用简单的 DNN-LSTM 分类器。您可以使用 tensorflow 或任何其他 DNN 框架对其进行训练。你可以在这里找到算法的描述；
Deep Recurrent Neural Network-based Autoencoders for Acoustic Novelty Detection
或这里：
Deep Neural Networks for Automatic Detection of Screams and Shouted Speech In Subway Trains
我如何能够在“尖叫”指纹列表中搜索相似度，是否有任何可能的方法来生成分数或返回每个指纹的相似度百分比，以便我可以确定我正在测试的声音是否是% 还是尖叫？
在您的第一个库中，您可以使用 queryResult.BestMatch.Confidence 例如：
置信度 - 返回 [0, 1] 之间的值。低于 0.15 的值很可能是误报。大于 0.15 的值很可能是完全匹配的。对于良好的音频质量查询，您可以获得 > 0.5 的置信度。
【讨论】：