音声データからメル周波数ケプストラム係数(mfcc)を抽出し識別・認識を行う学習機
-
NN.py: ニューラルネットモデル
-
train_mfcc_data.py: docフォルダ内のtrain.txt, test.txtとvoicesの音声データから、mfccを抽出しニューラルネットに学習させるスクリプト
-
recog_mfcc_data.py: 学習済みモデル（NN.xml）を読み込みdocフォルダ内のrecog.txtとvoicesの音声データから、mfccを抽出し識別させるスクリプト
-
make_mfcc_data.py: 指定された音声データからmfccを抽出するスクリプト
-
make_train_data.py: 指定したフォルダ内のデータと階層構造から、train.txt, test.txt, labels.txtを作成するスクリプト
-
make_train_data.py: 指定したフォルダ内のデータから、recog.txtを作成するスクリプト
-
convert_mov_to_wav.sh: 動画データから音声データを抽出するシェルスクリプト
-
split_wav.sh: 音声データを1秒ずつに分割し、それぞれをフォルダごとに分類して格納するシェルスクリプト
- Numpy
- Scipy
- Scikits Talkbox
- PyBrain
- progressbar2
(requirements.txt参照)
- ffmpeg (convert_mov_to_wav.shが使用)
- sox (split_wav.shが使用)
MIT License