【问题标题】：Calculate the percentage of accuracy with which user made the assigned sound计算用户发出指定声音的准确度百分比
【发布时间】：2020-07-11 07:26:51
【问题描述】：
我想为我 2 岁的表弟设计一个网络应用程序，在该应用程序中，我实现了一个功能，当单击图像时，会播放一些声音，而用户必须发出相同的声音来录制.
例如，如果我点击“Apple”的图像，发出的声音是“A for Apple”。现在用户必须说出那些被记录下来的词。
现在我想计算用户说话的准确率百分比。我想知道如何知道准确率百分比。我之前没有使用过机器学习或自然语言处理，所以我需要一些指导关于我应该了解什么或实现此功能的方法。我需要一些帮助。
也经常使用 nodejs 框架，所以 nodejs 中是否有任何模块可以满足上述要求。
【问题讨论】：
标签：
machine-learning
web-applications
nlp
speech-recognition
speech
【解决方案1】：
你想要达到的是一个相当复杂和不平凡的任务，可以在多个层面上面临。首先，你应该自己回答一个问题：
“准确度”是什么意思？您想使用哪个指标？准确性意味着将结果与其最佳值进行比较。那么“Apple”的最佳表达方式是什么？
我认为有几个级别可以衡量语音准确性：
-
在音频级别：这里有几个相关性指标可以计算两个音频文件的相似度。参见例如here 了解更多详情。简单地说，这个想法是直接比较音频样本。在您的情况下，您需要一个“正确”结果的参考音轨。但是，正确的时间对齐可能会成为问题。
-
在语音识别级别：您可以使用语音识别器（商业或开源）并返回一串口语单词。在这种情况下，您应该考虑何时停止记录，以限制记录长度。然后你必须考虑一个评估转录正确性的指标。我使用的一些是Levensthein-Distance 或Word-Error-Rate。有了这些，您就可以计算相似度。