基于声学和语言模型的语音识别系统
Myvoicerecognition的Python项目详细描述
语音识别wave2words
此软件包是一个测试样本，包含两个功能，充当单个程序：
语音/节奏/重音词短语游戏（英语）。该软件包可以通过接受麦克风或音频文件或两者的输入来定制
语音到文本系统。
包可以针对任何语言进行结构化。
在这个软件包中，我们将使用人工智能测试Wave2单词的英语语音识别。但是，
在未来的版本中，将添加其他语言以使语音识别与语言无关。
概念
对我们来说，在人和机器之间的交互中，机器应该先识别声音，然后才能理解任何单词（由声音组合而成）的含义。换句话说，
在不预先确定语言的情况下，语音识别应该提取声音并形成单词。
语音信号在麦克风的帮助下被捕获，然后被系统理解。
2）
特定单词的扬声器相关声音因人而异，3）信道质量的重要性；人类语音
包含全频率范围的高带宽，而电话语音包含有限频率范围的低带宽，4）语音模式，即语音是处于孤立
字模式，还是连接字模式，还是处于连续语音模式。连续语音较难识别，5）说话方式；大声朗读语音，自发和对话，6）噪声类型-信噪比可能在不同范围内，取决于观察较少而背景噪声较多的声环境。7）话筒质量和口与话筒之间的距离。
使用麦克风录制和采样时，信号以数字形式存储。但要对其进行操作，
机器需要离散的数字形式。因此，我们的算法应该在特定频率下采样
，并将信号转换成离散的数值形式。选择高
频率进行采样意味着当人类听到信号时，他们会感觉它是一个连续的
音频信号。
转换为频域
了解它的频率成分是一个重要的步骤，因为它提供了大量关于信号的信息。您可以使用像fourier transform这样的数学工具来执行此转换。
这种转换是构建语音识别器的最关键步骤，因为将
语音信号转换到频域后，我们必须将其转换成可用的特征向量形式。
我们可以使用不同的特征提取技术，如mfcc、plp、plp、plp、plc、plc、plc、plc、plc、plc、plc、plc、plc、plc等。为此目的，plp-rasta等.
myvoicerecognition的目的是提供一种完整的定量和分析方法来研究语音的声学特征。此外，可以通过使用python的功能
对这些特性进行进一步分析，以便对语音模式提供更有趣的见解。
此库面向语言学家、科学家、开发人员、语音和语言治疗诊所和研究人员。
请注意，MyVoiceRecognition分析目前处于初始状态，但正在进行中。而
功能量现在的NALITY并不是很大，在接下来的几个月里还会有更多的添加。
==========
安装
=====
myvoicerecognition可以像任何其他python库一样安装，使用python包
manager pip，在linux、macos和窗口：
----pip安装myvoicerecognition----------
或，若要将已安装的版本更新到最新版本：
----pip install-u myvoicerecognition----------
注意：
您需要安装以下软件包：
---Microsoft Visual C++Redistributable for Visual Studio 2017----x86或x64----查看系统
----pyaudio---pyaudio>；=0.2.11----pip安装pyaudio（win），
--------------------------$sudo apt get install python pyaudio python3 pyaudio（基于Debian的Linux
--------------------------$brew install portaudio---$pip install pyaudio（Mac）
--pyaudio-0.2.11-cp37-cp37m-win32.whl或win64.whl-----如果系统抛出pyaudio的错误
麦克风。如果系统没有默认麦克风，或者希望使用默认麦克风以外的麦克风，则需要通过提供设备索引来指定要使用的麦克风。
要检查MyVoiceRecognition功能的工作方式，请检查https://github.com/shahabks/MyVoiceRecognition上的
---examples.docx--
---https://github.com/shahabks/MyVoiceRecognition--
MyVoiceRecognition是由日本myolutions实验室开发的。它是mysolutions实验室新一代语音识别和声学语言建模项目的一部分，计划通过添加更高级的功能来丰富myvoicerecognition的功能。
此软件包是一个测试样本，包含两个功能，充当单个程序：
语音/节奏/重音词短语游戏（英语）。该软件包可以通过接受麦克风或音频文件或两者的输入来定制
语音到文本系统。
包可以针对任何语言进行结构化。
在这个软件包中，我们将使用人工智能测试Wave2单词的英语语音识别。但是，
在未来的版本中，将添加其他语言以使语音识别与语言无关。
概念
对我们来说，在人和机器之间的交互中，机器应该先识别声音，然后才能理解任何单词（由声音组合而成）的含义。换句话说，
在不预先确定语言的情况下，语音识别应该提取声音并形成单词。
语音信号在麦克风的帮助下被捕获，然后被系统理解。
2）
特定单词的扬声器相关声音因人而异，3）信道质量的重要性；人类语音
包含全频率范围的高带宽，而电话语音包含有限频率范围的低带宽，4）语音模式，即语音是处于孤立
字模式，还是连接字模式，还是处于连续语音模式。连续语音较难识别，5）说话方式；大声朗读语音，自发和对话，6）噪声类型-信噪比可能在不同范围内，取决于观察较少而背景噪声较多的声环境。7）话筒质量和口与话筒之间的距离。
使用麦克风录制和采样时，信号以数字形式存储。但要对其进行操作，
机器需要离散的数字形式。因此，我们的算法应该在特定频率下采样
，并将信号转换成离散的数值形式。选择高
频率进行采样意味着当人类听到信号时，他们会感觉它是一个连续的
音频信号。
转换为频域
了解它的频率成分是一个重要的步骤，因为它提供了大量关于信号的信息。您可以使用像fourier transform这样的数学工具来执行此转换。
这种转换是构建语音识别器的最关键步骤，因为将
语音信号转换到频域后，我们必须将其转换成可用的特征向量形式。
我们可以使用不同的特征提取技术，如mfcc、plp、plp、plp、plc、plc、plc、plc、plc、plc、plc、plc、plc、plc等。为此目的，plp-rasta等.
myvoicerecognition的目的是提供一种完整的定量和分析方法来研究语音的声学特征。此外，可以通过使用python的功能
对这些特性进行进一步分析，以便对语音模式提供更有趣的见解。
此库面向语言学家、科学家、开发人员、语音和语言治疗诊所和研究人员。
请注意，MyVoiceRecognition分析目前处于初始状态，但正在进行中。而
功能量现在的NALITY并不是很大，在接下来的几个月里还会有更多的添加。
==========
安装
=====
myvoicerecognition可以像任何其他python库一样安装，使用python包
manager pip，在linux、macos和窗口：
----pip安装myvoicerecognition----------
或，若要将已安装的版本更新到最新版本：
----pip install-u myvoicerecognition----------
注意：
您需要安装以下软件包：
---Microsoft Visual C++Redistributable for Visual Studio 2017----x86或x64----查看系统
----pyaudio---pyaudio>；=0.2.11----pip安装pyaudio（win），
--------------------------$sudo apt get install python pyaudio python3 pyaudio（基于Debian的Linux
--------------------------$brew install portaudio---$pip install pyaudio（Mac）
--pyaudio-0.2.11-cp37-cp37m-win32.whl或win64.whl-----如果系统抛出pyaudio的错误
麦克风。如果系统没有默认麦克风，或者希望使用默认麦克风以外的麦克风，则需要通过提供设备索引来指定要使用的麦克风。
要检查MyVoiceRecognition功能的工作方式，请检查https://github.com/shahabks/MyVoiceRecognition上的
---examples.docx--
---https://github.com/shahabks/MyVoiceRecognition--
MyVoiceRecognition是由日本myolutions实验室开发的。它是mysolutions实验室新一代语音识别和声学语言建模项目的一部分，计划通过添加更高级的功能来丰富myvoicerecognition的功能。
欢迎加入QQ群-->： 979659372
