Akagi201
1/8/2015 - 4:39 PM
audio.md
tools
- Adobe Audition cc
- https://www.ocenaudio.com/
- https://sourceforge.net/projects/audacity/
book
语义处理
- https://api.ai/
- IBM Bluemix Waston.（自然语义这方面绝对领先水平
- siri
音频可视库
arecord
- http://linuxconfig.org/how-to-test-microphone-with-audio-linux-sound-architecture-alsa
- http://wiki.audacityteam.org/wiki/USB_mic_on_Linux
- http://quicktoots.linux-audio.com/toots/quick-toot-arecord_and_rtmix-1.html
声波支付原理
python
录音
- 用 cat 就可以了:
cat /dev/audio > test0.au, 按ctrl + c停止录音 - 用dd也可以:
dd if=/dev/audio of=test01.au bs=1m count=1 arecord -Dplughw:1,0 -f cd -d 10 k.wav
库
技术要点：
语音到文本(STT)引擎: Sphinx: 李开复当年在卡内基梅隆做的语音识别项目，现在已经有很多分支了 PocketSphinx: 微软在Sphinx基础上开发的更适于嵌入式设备的项目 Simon: KDE的项目 HTK: 隐马尔可夫模型(HMM)工具包，用于构建语音合成、识别、训练的基础库
文本到语音(TTS)引擎: Festival/Flite: 著名的语音合成系统 eSpeak: 开源的语音合成 FreeTTS: 卡内基梅隆大学搞的，基于Flite的语音合成 hts_engine: 基于HTK的，以隐马尔可夫模型(HMM)为基础的语音合成、训练的基础库
标签(智能): AIML:人工智能标记语言，例如PyAIML、AIMLBot
有上面这些，加上少量的自己的开发，就可以简单搞出一个类似Siri的系统。
但是Siri这些大部分都是基于云端的，比如语音是通过Speex压缩后扔到服务端解析的，那些可能会有更精确的降噪、识别、语义解析、问答系统、大量的训练数据什么的来支撑，这些才是语音助手的核心，自己一个人搞来玩玩的系统根本赶不上。。。
linux上音频编程
- https://www.ibm.com/developerworks/cn/linux/l-audio/
- https://wiki.archlinux.org/index.php/Advanced_Linux_Sound_Architecture_(%E7%AE%80%E4%BD%93%E4%B8%AD%E6%96%87)
wav与pcm区别
alsa
mpg123
- http://linux.topology.org/mpg123.html
export LD_LIBRARY_PATH="${LD_LIBRARY_PATH}:/usr/local/lib:/usr/local/lib/mpg123"