我正在为儿童制作一些软件,并希望增加软件对多种非语音声音的响应能力。例如,鼓掌声、狗叫声、口哨声、放屁声等。
我以前使用过CMU Sphinx和Windows Speech API,但据我所知,这两者都不支持非语音声音,并且实际上会被滤掉。
总的来说,我正在寻找“如何获得这种功能”,但我怀疑如果我将其分解成三个问题,那么这可能会有所帮助:
- 是否有一种方法可以通过更改声学模型或发音词典来使用主要语音识别引擎识别非单词声音?
- (或)是否已经存在一个库来进行非单词噪声识别?
- (或)我在大学期间有一点隐马尔可夫模型和语音识别的相关技术,但是没有很好地估计从零开始创建一个非常小的噪声/声音识别器有多困难(假设需要识别<20种声音)。如果1)和2)失败了,对于自己开发这种功能需要多长时间有任何估计吗?
谢谢