C# 基频+；c语言中的语音检测#

我试图通过麦克风的输入实时检测语音

我已经准备好接收输入，执行FFT算法，并将结果存入数据库。我有一个频域，一个时域和一个频谱图

如何获得基频？ 如果我得到基频，我可以指定，如果频率在一定的值之间，那么我们谈论的是声音吗？ 我所有的东西都准备好了，还有别的办法吗

---

TK预先

在声谱图上取语音范围内的最高峰值（例如，400到10K hz）。这应该给你基本频率

或者，您可能需要整合频率直方图。这是因为有时你的单词以西伯利亚语（“s”音）开头或包含西伯利亚语（“s”音）和摩擦音（“f”和“th”音），它们具有相当高的频率和广谱。你不想错过演讲的开头，因为它不是以元音开头的

---

另一个因素是，除了声音，你还能听到什么。有很多背景噪音吗？什么样的？如果没有，那么只要有声音就足够了。例如，如果有音乐，那么你就有一个完全不同的挑战。如果你试图区分声音和其他声音，那么我会尝试神经网络方法——它可能需要那种复杂程度。

有许多不同的算法，正确的算法取决于你在做什么。你希望得到什么样的投入？你想用这些输入做什么？你有什么样的处理能力

检测基本频率并不能帮助你识别某个特定的人是否在说话，如果你正试图这么做的话。你说话的频率不断变化。你必须对这个人的共振峰做个“指纹”等等

---

简单地找到FFT的峰值并不能给语音带来好的效果。调查

这是一个常见的误解，但基频不一定是频谱中的最大峰值。在语音中，它取决于谐波与共振峰的排列方式，并且可以根据声音的频率和质量而改变？他们不是一回事。