Algorithm 算法建议：比较声音片段

（不确定这是否是该问题的正确位置）

我们正在分析成千上万的人们说话的声音片段，试图找到音调、音节频率等的模式，以便建立一个特征数据库，将新的声音片段与情感相匹配

虽然我熟悉一些人工智能算法（例如贝叶斯算法），但我很好奇是否有人对我们可以使用的算法类型有任何想法

总体概念（图2-5秒wav短片）：

给定一个新的声音片段，我们想做一些类似于Shazzam的事情，除了返回一个可能性，即该片段代表一种特定的情感

---

如有任何建议，将不胜感激

尝试根据片段的振幅和频率对片段进行标准化，使其具有可比性

然后测量振幅和光谱特性，如方差、自相关、最小值/最大值的数量等

这些测量允许将每个剪辑视为n维空间中的向量。可以使用聚类分析方法查找相邻片段。主成分分析（PCA）可能有助于找到或多或少有意义的属性维度

---

需要大量阅读模式识别、信号处理和聚类分析文本才能了解可能的情况。

这听起来非常接近我要找的内容。可视化一个N向量，其中每个值对应于光谱分析的一个分量，听起来非常接近我所需要的。因此，理想情况下，在尝试理解已分类的10k+音频剪辑时，我会寻找一组属性（音高、频带窄度、每秒音节数等），所有这些属性都会产生类似的向量？是的，没错。您基本上是在使用具有已知语义属性的剪辑进行训练。分析他们的不同之处。技术是以这样一种方式调整测量尺寸，即它们可以被有效地评估，并且仍然可以作为可靠的区分标准（谷歌“矢量量化器”）。整个工作流程应该类似于OCR字符识别。绝对完美！非常感谢您的帮助。我只是想跟进一下，说这是一个很好的例子。我们正在使用openSMILE框架的一个稍加修改的版本，它工作得非常好。GoogleScholar将是你最好的朋友。Mike Nakis的意思是，我要直截了当地说：这是一个重要的研究项目，需要机器学习方面的专业知识，可能需要听觉学家、言语专家、心理学家等的大量投入。从AVEC开始，视听情感挑战赛将在今年进入第五个年头，如果他们有。

soundClip1 -> 'anger'
soundClip2 -> 'happy'
soundClip3 -> 'sad'
...
emotion = predict(newSoundClip)