MevonAI-语音情感识别 识别音频段中多个发言人的情绪· 在这里尝试演示 目录 说话人二值化 特征提取 CNN模型 训练模型 贡献 执照 致谢 常问问题 关于该项目 该项目的主要目的是识别呼叫音频中多个说话者的情绪，作为呼叫中心客户满意度反馈的应用程序。 建于 的Python 3.6.9 Tensorflow-Keras 解放军 入门 按照以下说明在本地计算机上设置项目。 安装 创建一个python虚拟环境 sudo apt install python3-venv mkdir mevonAI cd mevonAI python3 -m venv mevon-env source mevon-env/bin/activate 克隆仓库 git clone https://github.com/SuyashMore/MevonAI-Speech-Emotion-Recog

Voxseg Voxseg是用于语音活动检测（VAD）的Python软件包，用于语音/非语音音频分段。 它提供了完整的VAD流水线，包括一个预训练的VAD模型，并且基于介绍的工作。 该VAD的使用可引述如下： @inproceedings{cnnbilstm_vad, title = {A hybrid {CNN-BiLSTM} voice activity detector}, author = {Wilkinson, N. and Niesler, T.}, booktitle = {Proc. IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP)}, year = {2021}, address = {Toronto, Cana

c#speech原码测试，含Win7系统TTS修复-采用原生Win7提取绿修复，直接使用可生成语音文件，朗读

下载官方microsoft speech sdk 包括语音包，运行库。sdk镜像。直接安装，运行demo即可。demo已经调通。在前人基础上迁移到qt5,并 优化修复了bug.可以正常识别。

系统依赖DLL动态库

Microsoft Speech语言包

语音识别ANN的实现 使用人工神经网络实现语音识别。 使用语言：Python 您需要numpy和scipy才能使其正常工作。 可以识别的词：“ Apple”，“ Banana”，“ Kiwi”，“ Lime”，“ Orange” ＃如何添加新词 在Audacity或任何音频处理软件中记录您的新单词。 将采样率设置为44100Hz，然后导出到.wav文件。 最好录制许多来自不同扬声器的样本，以提高准确性。 将wav文件放入training_sets目录。 将您的wav文件重命名为您要添加的单词+ -sample_index（例如：hello-1.wav，hello-2.wav）。 这样，特征提取器以后就可以轻松地在文件中进行迭代。 在featureExtractor.py中，将新单词附加到单词数组。 运行featureExtractor.py。 将在mfccData文件夹中生成

这是用于语音转换的VQ-VAE模型的实现。 到目前为止，结果还不如DeepMind令人印象深刻（您可以找到其结果）。 我的估计是语音质量为2-3，清晰度为3-4（按5阶平均意见得分）。 欢迎捐款。 当前结果 音频样本 经过50万步训练（约2天）后的结果： 来源1： （我们消息感到鼓舞） 目标1： 资料来源2： （谁是神秘议员？） 目标2： 资料来源3： （在阿伯丁亚历克斯·弗格森（Alex Ferguson）的下，这是可以做到的。 目标3： 资料来源4： （那是一个艰辛的时刻。） 目标4： 笔记： 格式：[发言人] _ [句子] 作者没有在上指定目标演讲者。 演讲者空间 VQ-VAE学习的扬声器空间的PCA-2D（Tensorboard屏幕截图）。 请注意，性别是自然分开的，如Deep Voice 2的图4所示。 有趣的是， p280的性别未在VCTK发布的Spea

哥伦比亚大学2016年春季语音识别讲义，覆盖GMM, HMM, 声学模型，语言模型，模型稳健性，深度学习的语音识别等最新知识面

语音合成工具 Speech synthesis，支持男声、女声、机器合成声，免安装，亲测可用！！！