Akh tchingizкак таковую речь она не обнаруживает.
она обнаруживает то, на что натренирована.


Меня интересует не распонование речи, а обнаружение. Мне валится звук, и я должен определить, что там идет речь.

И желательно не продукты, а алгоритмы. Т.е. звук валится в ALAW, мне его надо линеаризовать, а потом смотреть пороги и гармоники. Как это делается?

Алгоритмы там есть, смотрите ссылки.

Akh c127Алгоритмы там есть, смотрите ссылки.
Воспроизвел алгоритм из исходиков, но возникла проблема: для микрофонов с разной чувствительностью идет постоянная состоявляющая во время тишины, которая для них разная (пробовал и СКО и сумму модулей амплитуды). Допустим для одного 300, а для другого 30. Причем, если говорить тихо на втором (на уровне 100-200), то это слышно на другом. Как определить порог? Путем анализа во времени по порогам, мне кажется не правельным, т.к., если говориться непрерывно продолжительное время, то может получиться, что за тишину можно взять голос, и звуковые данные будут теряться.
Если мы говорим о ссылках http://www.sql.ru/forum/actualthread.aspx?tid=348352#3244824
то алгоритмы основаны на скрытых моделях Маркова (Hidden Markov Models, HMM). Для того чтобы модель распознавала тишину ее нужно тренировать. Берется набор файлов, содержащих то, что мы хотим узнавать как тишину, и тренируется. Я не уверен, но похоже что алгоритмы HTK проводят нормализацию самостоятельно. В идеале порог в явном виде задавать не нужно, но tchingiz говорит, что там вроде бы есть параметр командной строки, который отвечает за нормализацию, т.е. указав его можно как-то помочь алгоритму, но это делать не обязательно.

Как раньше сказал tchingiz, у алгоритма, использованного в HTK, есть проблема: он обязательно что-то узнает. Т.е. не сможет сказать, что "этот звук я не знаю". Поэтому, например, нельзя обучить модели фонемам и задать правило: все что угодно, кроме фонем (например тишина). Для того, чтобы узнать "все что угодно кроме ..." нужно это "все что угодно" включить в обучающую последовательность, то есть построить соответствующую модель или несколько моделей. Но зато если это сделано, то работает довольно надежно. Вроде бы это на сегодняшний день самый надежный метод в распознавании звуков.