C++ 小词汇量语音识别（约20个单词）

我目前正在为我的大学做一个项目。任务是编写语音识别系统，该系统将在后台运行在手机上，等待几个命令（如.call 0 123…）

这是一个2个月的项目，所以它不必非常准确。可接受的噪音量可能很小，文字之间会有片刻的沉默

我目前正在加载以原始16位PCM格式编码的示例字。将其拆分为块（大约每秒50个），并对每个块运行FFT以获得频谱

要解决的问题是： 1） 通过较长的录音并将其拆分为文字。 2） 找到与单词最匹配的单词

1） 我在考虑一块接一块地检查，如果我遇到几个声音频率较高的块，就认为这个词已经开始了。无论如何，我正在寻找资源，可能有助于这一点

2） 这条缝得更硬一点。对于这样的系统，有必要使用HMM吗？或者假设词汇量很小（20个单词），有更简单的方法吗

编辑： 该项目的重点是自己编写系统，因此我无法使用Sphinx或HTK等现成的库

问候,，

---

Karol要识别手机上的命令，可以使用Pocketsphinx。它涵盖了Android上的语音识别应用程序，可以在CMUSphinx网站上找到。

如果将来有人会有同样的问题的话。查找两个主要关键字：

MFCC-为每个单词模板计算一系列系数

DTW-将捕获的单词与模板匹配 关于DTW的足够好的描述可以在维基百科上找到

---

这种方法足够好，20字字典的准确率达到80%左右，并在课堂上提供了一个很好的演示。

这：可能会对你有所帮助。更好的是，谢谢你的回答，但整个项目是关于我自己编写系统的，所以我不能使用现成的框架（至少不是为了识别）。