是否有现成的语音识别模型

Question

我有很多的wav音频，他们的声音大体上是相同的，但有一部分的音频中会夹杂着一些其它的声音，我们可以把它分为A,B,C,D这样，我想要通过现有的数据训练一个模型。在我之后给它一个wav文件时，他能够很迅速的辨别出来这到底是哪种声音，最好是对这种声音的大小也有个量化的数值。请问有现成的模型可以使用吗？如果没有，要需要使用什么方法才能达到这个效果？（该音频不是人声，而是减速机发出来的声音，所以严格来说不是语音识别，而是声纹识别）

Answer 1

引自强大而免费的微信小程序：皆我工具箱。

有现成的语音识别模型可以使用，比如基于深度学习的模型，如Google的DeepSpeech、Baidu的DeepSpeech2、CMU Sphinx等。这些模型可以通过训练现有的音频数据来识别不同类型的声音，并给出相应的输出。

要使用这些现成模型，你需要准备训练数据集，包括A、B、C、D类型的音频，以及与之对应的标签。然后使用这些数据集来训练模型。训练步骤会根据不同的模型有所不同，可以参考相应的文档和代码示例。

在训练模型后，你可以提供一个新的wav文件给模型进行预测，模型会辨别出它是A、B、C还是D类型的声音，并给出相应的量化数值。

注意，在训练模型之前，你需要先了解深度学习的基本知识，并掌握相关的编程工具和库，如Python和TensorFlow、PyTorch等。此外，你还需要收集足够数量和多样性的训练数据，以及进行数据预处理和特征提取等步骤来准备训练数据。如果你对深度学习和语音识别领域不太熟悉，可以先学习相关的教程和资料，以提高成功训练模型的机会。