Ios 使用Swift分析录制的音频文件，以实现语音到文本的转换

我可以用Swift for iOS录制音频并播放录制的音频文件。我想问的是，是否有可能检查录制的音频文件的背景噪音和音量/分贝，这样我就可以确定它对我的语音到文本框架足够好。框架不是问题所在，我已经研究了所有可用的框架

我很好奇是否可以使用AVFoundation或Accelerate Framework或任何其他框架分析录制的音频文件，以检查音频文件是否良好/清晰，是否可以使用语音到文本框架进行处理

我没有太多的音频知识，但我做了一些研究，发现我可以在录音时获得峰值和平均分贝值，但是背景噪声呢

---

任何有关使用Swift分析录制的音频文件的信息都会有所帮助。

SNR估计是一个非常成熟的领域。您需要实现一个语音活动检测器，它将噪声与语音分离，然后分别计算噪声能量和信号能量，然后计算比率。不过，这稍微超出了简单的数学范围，您需要了解统计信息，才能实现一个合理的算法，如所实现的算法

您将无法在Swift中找到它的实现，此类软件通常是用C或Matlab实现的，您将不得不移植实现

---

与涉及更高级算法的语音识别相比，噪声估计是一个小问题。在SWIFT或.

中，最好考虑现有的语音识别软件包，谢谢。因此，就我所搜索到的，在Swift/Objective-C中没有关于SNR或VAD的解决方案。语音识别已经开始工作了，但是谢谢你的建议。我可以分析录音过程中录音机返回的平均功率和峰值功率（dB），所以这是我目前发现的唯一分析。@Nikolay Shmyrev我想使用wada snr。下载了你提到的文件夹，但我不知道如何安装它。找不到documentation@NikolayShmyrev I开始了一个关于类似问题的新问题请记住，

swift

和

objective-c

是高级语言，在一个严肃程序的DSP线程上很难找到，它以实时优先级运行。为什么？因为所有舒适的事情（分配对象、内存管理、轮询和阻塞等）都不能在实时线程上进行，除非你在寻找麻烦。对于DSP代码来说，快速运行至关重要。因此，您可以在

swift

中编写UI或控制器，但对于DSP部分来说，最安全的选择，如信噪比估计，将下降到普通C。