Java 如何从波形文件中获取音频数据？

我想用ruby构建一个语音识别引擎。我知道我永远也到不了那里，只是为了好玩。我需要获取wav文件中存储的声音频率数据，以便与我想要识别的不同声音的数据进行比较。 我将用ruby编写代码，但我不认为有任何库是用ruby编写的，如果有的话，它们会太慢。 ruby的好处是，我可以通过IronRuby使用.net库，也可以通过Jruby使用Java库。

---

如何获取频率数据？

波形文件并不太复杂，本质上它只是一系列音频样本：

一旦可以读取样本，下一步就是通过FFT变换运行它们，以获得频率内容。应该有一些开源的实现，你可以使用，或者你可以自己实现一个

---

你想做的事情需要对音频和信号处理背后的数学有一定的了解，所以也许你想从这方面的书开始。

你应该读一些关于说话人识别的论文。你也可以在网上找到很多图书馆来解决这个问题。 要构建说话人识别系统（识别系统或验证系统），您需要：

• 好的音频特征（您想找到一种能以单音形式描述数据集中每个扬声器声音的方法）大多数音频特征都是在分类术语频谱上提取的（这意味着在音频信号的小帧上提取的信号的FFT上，信号应该是静止的）. 但是我们从不把频谱本身（FFT的对数）作为描述符（频谱中有太多无用的信息）。描述某人的声音最重要的是频谱的包络。您一定要看看名为MFCC（用于Mel频率倒谱系数）的音频描述符，它是mot广泛用于扬声器录制任务的音频功能

• 然后你还需要一个好的分类器（类似于GMM，SVM…），因为这个问题是通过有监督的机器学习算法解决的。基本上，您需要为您想要识别的每个说话人训练一个模型，然后使用尚未用于训练的数据测试您的模型。模型