我正在构建一个需要语音激活命令的网络应用。我使用getUserMedia进行音频输入。
对于语音激活命令，过程是用户需要＆＃34;校准＆＃34;记录他/她的演讲的命令。例如，对于＆＃34;停止＆＃34;命令，用户会说“＆＃34;停止＆＃34;然后该应用程序将保存音频片段。然后让用户发出＆＃34;停止＆＃34;命令，他/她会说“＆＃34;停止＆＃34;。
现在的问题是，有没有办法比较/识别用户从预先录制的音频命令发出的命令（音频输入），他/她已校准＆＃34; /早些时候记录？换句话说，比较来自另一个音频（文件）的音频流。希望有人能指出我正确的方向，因为我已经研究了很长时间了。
提前致谢。
注意：我没有像SoundHound那样比较/识别音乐。 另外，我不认为我需要语音识别，这对于我需要的机制来说太复杂和不必要。显然，如果没有语音识别，这很难（如果不是不可能的话）。任何人都可以推荐我可以尝试的语音识别库/ API（希望是javascript）吗？
答案 0 :(得分：0)
没有语音识别就无法做到这一点，因为人类生成两个相同音频文件的可能性远小于0.000000000000000000000000021％。
您可能能够识别语音音高并将其与校准音频进行相当准确的比较，但是基于不是来自机器的简单音频比较来捕捉语音 - 从不，绝对没有办法
您可以根据音高的变化，音节，共振峰之间的暂停长度等对某些单词/命令进行分类......但这些仍然是语音识别的第一步。