Android 在移动设备上进行声音识别培训是否可行？

关于声音的分类，有大量的文献，其中可能匹配的是现代世界中发现的任何声音（例如：）。这个问题的不同之处在于，它仅限于搜索少数特定的声音，并在本地录制和训练。这个问题是关于编码一个移动应用程序的可行性，该应用程序将记录和转换一小部分声音（比如，少于10个），然后能够“听”并识别这些声音

在这个类似的例子中，作者以门铃的声音为例。我的例子会有点不同，因为我想对狗的发声进行分类。我可能会定义“fido-bark”、“rover-bark”、“fido-whine”、“rover-whine”，当应用程序处于训练模式时，有四个按钮。然后狗会发出声音，人类用户会对每个声音进行分类。然后，应用程序将被更改为倾听模式，如果某只狗发出了某种声音，应用程序将匹配声音并显示哪只狗以及发生了哪种声音

---

在典型的移动设备上编写应用程序（如上面概述的应用程序）而无需外部处理是否可行？如果是，怎么做？

这是可行的。我发现有一篇文章使用Core ML和Skafos库将基于声音的鸟类分类模型部署到iOS中：

---

因此，如果你有数据，然后有一个经过训练的模型，狗也可以这样做。

为了使用移动设备对音频进行分析，需要与离线分析相同的技术（通常发现：频谱图、频移、CNN分类器、加密），但是在移动设备更多的资源和时间限制下

培训模型的过程最好是离线完成，只有这样模型才能部署到移动设备上。在移动设备上，通常存在允许图像匹配/比较的有效方法（库）。通过将音频转换成摄谱仪，可以利用这些相同的比较技术

更具体地说，这里描述了使用TensorFlow进行离线培训并部署到Android:。这篇文章还描述了将模型部署到iOS所需的更复杂的步骤。此外，是一个开源库，用于帮助实现音频处理的某些步骤

---

Vasanthkumar Velayudham已经写了几篇文章，这将是一个很好的开始了解这一领域应用程序前景的地方，例如关于和关于

如果您发现问题，请支持您对如何改进该问题的评论，或者为什么应该删除该问题，我们将不胜感激。这里不是一个反对者，但我猜你的问题可以用“是”或“否”来回答。我的答案是“是的”（是的，这是可行的）。因为这就是你想要的；）我已经加上了“如果是，怎么做”，我希望在这里用我的智慧，这是显而易见的。非常酷。起源似乎是机器监听的鸟类音频检测挑战。eecs.qmul.ac.uk