孟加拉語語音識別開源分享

描述

本實驗的目的：

在本實驗中，我們分析了“Khule Dao”和“Bondho Koro”的真實音頻信號。之后，我們開發了一種算法，可以自動識別測試數據。

研究趨勢：

這里簡要討論最近關于孟加拉語語音識別的兩項研究。

在語音識別方面，世界各地在各種語言中進行了大量的研究實驗并取得了成果。但是，在孟加拉語中，該領域的早期研究人員取得了一定的成功，盡管近年來情況正在發生變化。本研究工作旨在開發一種基于神經網絡的孟加拉語連接數字識別系統。首先，開發了一個由男性和女性說話者組成的孟加拉語數字語料庫。語音以連接方式記錄，單詞通過自動分割提取。然后計算分割詞的 MFCC 特征，并將這些特征值作為輸入發送到反向傳播神經網絡 (BPNN)。BPNN 學習算法用于訓練網絡。訓練網絡所需的時間、隱藏層的數量、在訓練網絡以達到最佳識別精度時，會考慮錯誤閾值和時期數。這個提議的系統已經使用面向對象的編程實現了，所獲得的識別精度非常令人滿意和一致。該網絡已經針對三種不同的設置進行了測試，數字數據集的最佳識別準確率為 98.46%。[1]

語音識別是一種生物識別技術，用于識別特定的個人語音。特定語音的語音波構成了說話人識別的基礎。我們可以在電話銀行、電話購物、訪問數據庫信息和語音郵件等多個應用領域使用語音識別。語音識別的強大應用之一是出于安全目的，一個人可以輸入他/她的語音進行身份驗證。每種類型的聲音都有其獨特的特征，稱為特征，從單個聲音中提取這些特征的過程稱為特征提取。將提取的語音特征與數據庫中已保存的語音進行比較以進行匹配。[2]

提取技術：

audioread、num2str、strcat、fft、abs、最大值、長度。

建議功能：

1.我們的技術特點是基于快速傅立葉變換（fft）的簡單語音識別系統。

2.首先使用MATLAB的audioread函數分析音頻信號

對于 I = 1:116

s1 ='Z:\EEE 309\Open_Ended\Train_Data\Train_Open\OP-';

s2 = num2str(i);

s3 = '.mp3';

文件1 = strcat（s1，s2，s3）；

如果存在 (file1, 'file') == [y, t] = audioread(file1);

3. 然后對所有循環中的所有信號的給定輸入數據應用 fft

NFFT=長度（y）；% 找到 y 的長度

x=fft(y, NFFT);

4.使用max函數求最大幅度

x1=abs(x);

F=((0:1/NFFT:1-1/NFFT)*Fs);

max_amp=max(x1);

5.使用find函數找到最大幅度的對應頻率

b=find(x1==max_amp(1));

F_KD_max(i)=F(b(1));

6. “Khule Dao”和“Bondho Koro”的頻率值相加并取平均值

7. if(F_KD_max(i)>50 && F_KD_max(i)<600)

c1 = c1 +1；

sum1=sum1+F_KD_max(i);

結尾

average_max_frequency_of_Khule_Dao=sum1/c1

8. 我們建議，如果測試數據的頻率之差（絕對值）對應于最大幅度，并且“Khule Dao”的平均頻率值小于測試數據的頻率與“Bondho Koro”的平均頻率之差，那么測試數據將被預測為“Khule Dao”，反之亦然“Bondho Koro”

Diff_khule_dao_max(i)= abs(F_max(i)-average_max_frequency_of_Khule_Dao);

Diff_bondo_koro_max(i)= abs(F_max(i)-average_max_frequency_of_bondo_koro);

if(Diff_bondo_koro_max(i) >= Diff_khule_dao_max(i))

disp('Khule 道')

No_of_khule_dao=No_of_khule_dao+1;

別的

disp('邦多科羅')

No_of_bondho_koro=No_of_bondho_koro+1;

?