音频文件的处理问题~

如何比较两个音频文件的相似程度？注意比较的是文件所保存的音频内容，不涉及到关于文件的一些属性（比如歌手、专辑、流派、长度……）；具体点儿，比如说，两个人说同样的话录下来，然后比较一下二者声音的相似程度……

暂且把音频文件定为.wav格式的吧，如果有能比较所有格式的方法更好~

我的想法是把文件读入到bytes[]数组里，然后再比较，不知这样可行否？大家有什么好的想法或者案例分享一下~~100分，不够再加~~

23 个解决方案

#1

帮顶...

#2

这个我也想知道.
音频的处理涉及到比较专业的内容的,这里懂的人肯能不太多.

#3

up

#4

汗！我正在学这个问题！还没看明白呢！等你的结果！

#5

这个比较专业吧？

#6

引用楼主 genius_tong 的帖子:

我的想法是把文件读入到bytes[]数组里，然后再比较，不知这样可行否？大家有什么好的想法或者案例分享一下~~100分，不够再加~~

文件内容并不都是音频,还有音高,时间序列等等参数,最简单的是midi文件,建议先从midi做起.

#7

嗯，这个感觉跟图片相似度比较有得比～
估计是要把字节流经过××变换，
然后在放入某个公式进行过滤
然后找出特征值，
然后在通过 数据分类 的方法进行 声音类型离散化，比较相似度。

。。。。。

#8

涉及专业知识吧！

可能需要较多数学知识！

#9

弄不来，我也在等高手解答呢！

#10

帮顶下

#11

up

#12

如果如同LZ说的那样，应该是比较说的内容，这时要用speech api（语音识别，语音输入之类的），将音频转成字串，比较字串。
如果是要比较两个人的声音的相似程度，比如都是男中音，或者都是女高音，这里需要对音频的模拟信号进行傅立叶变换成频域信号，在频域进行分析，如频宽，频率分布及功率谱分析等。

#13

引用 12 楼 ForestDB 的回复:

如果如同LZ说的那样，应该是比较说的内容，这时要用speech api（语音识别，语音输入之类的），将音频转成字串，比较字串。
如果是要比较两个人的声音的相似程度，比如都是男中音，或者都是女高音，这里需要对音频的模拟信号进行傅立叶变换成频域信号，在频域进行分析，如频宽，频率分布及功率谱分析等。

够专业

#14

引用 12 楼 ForestDB 的回复:

如果如同LZ说的那样，应该是比较说的内容，这时要用speech api（语音识别，语音输入之类的），将音频转成字串，比较字串。 
如果是要比较两个人的声音的相似程度，比如都是男中音，或者都是女高音，这里需要对音频的模拟信号进行傅立叶变换成频域信号，在频域进行分析，如频宽，频率分布及功率谱分析等。

哈哈，傅立叶，数学～～～专业知识要有的

#15

要比较声音的相似度~~

我学数学的，可是感觉这个很复杂哦

#16

引用 12 楼 ForestDB 的回复:

如果如同LZ说的那样，应该是比较说的内容，这时要用speech api（语音识别，语音输入之类的），将音频转成字串，比较字串。 
如果是要比较两个人的声音的相似程度，比如都是男中音，或者都是女高音，这里需要对音频的模拟信号进行傅立叶变换成频域信号，在频域进行分析，如频宽，频率分布及功率谱分析等。

能否提供一下speech api的使用案例？谢啦~~
PS：我的邮箱[e-mail]

#17

等待

#18

fft处理后做相似度比较吧 不过这个好像蛮麻烦的 

#19

等高手出现！

#20

建议LZ先到MSDN上搜索一下关于speech的主题。

#21

我最近也在研究这个问题 顶一下了 期望找到答案

#22

在C中可以读取语音的频率等信息吗？怎么对语音用FFT进行频谱分析？

#23

估计是要把字节流经过××变换，
然后在放入某个公式进行过滤
然后找出特征值，
然后在通过 数据分类 的方法进行 声音类型离散化，比较相似度。
如果如同LZ说的那样，应该是比较说的内容，这时要用speech api（语音识别，语音输入之类的），将音频转成字串，比较字串。
如果是要比较两个人的声音的相似程度，比如都是男中音，或者都是女高音，这里需要对音频的模拟信号进行傅立叶变换成频域信号，在频域进行分析，如频宽，频率分布及功率谱分析等。