语音识别之男女声分类（从一段对话中分离男声）

目录

0  引言       

1  思路

 2  代码

（1）主函数

（2）子函数judge.m

3  代码运行结果

4  结论      

5  参考资料

---

 

0  引言       

       前段时间，朋友让我帮忙剪十段音频，每段音频为约十分钟的包含男女生对话的录音，要求从中分离出男声的语音，男女声声音重叠部分可丢弃，刚开始本以为工作量没多大，遂打开了音频剪辑软件，剪了一段后发现这个事情还是挺麻烦的，于是决定写个matlab程序来自动分离，然后伴以一定的人工校正，从而大大提高剪辑效率。

1  思路

        预处理：将原始音频分割成2s一段的音频文件（时间间隔可调）；

        正式处理：

           依次读取已分割为2s一段的音频文件，并从以下两个方面考虑：

         （1）男女生基音频率的差异，计算该段语音中基音频率；

         （2）声音幅值的差异（录音时男生离录音笔更近），计算语音幅值；

           从上述两个方面对该音频文件进行识别分类，考虑到会存在一定的误判，故将识别类别设定为三类：男声、女声、需人工识别，并将判定后的语音存入对应类别的文件中，以便后期人工校正。

 2  代码

（1）主函数

%================================================
%作者：Uestc-Sl
%创建日期：2021.04.19
%维护日期：2021.04.19
%功能描述：将剪切声音与判断男女声功能相结合，实现剪切、识别、分类存储一系列功能
%调用函数：judge.m  
%使用流程：点击运行--->选择原始音频文件--->选择剪切及识别分类后的文件输出目录---->剪切音频
%         ----->读取剪辑的音频并识别---->根据识别结果将该语音存入对应分类文件，以便人工校对---->结束
%输出结果文件夹及目录结构     指定路径----> interval_2_0?-1 ---> 剪切好的音频
%                                                         --->男声
%                                                         --->女声
%                                                         --->需人工识别
%备注：
%其他：可考虑引入神经网络，构建更高维度的向量，提高基于判断幅值和基音频率判断的准确性
%=========================================