Swiftを使用して録音したオーディオファイルをテキストからテキストに変換する

Question

iOS用のSwiftでオーディオを録音し、録音したオーディオファイルを再生できます。私が聞いているのは、録音されたオーディオファイルの背景ノイズ&のボリューム/デシベルをチェックすることができれば、スピーチのテキストフレームワークに十分であると判断できるかどうかです。フレームワークは問題ではなく、私は利用可能なすべてのものを研究しました。

AVFoundationやAccelerate Frameworkやその他のフレームワークで録音したオーディオファイルを解析して、音声ファイルが音声/テキストフレームワークで処理するのに十分かどうかを調べることができるのは不思議です。

私は多くのオーディオ知識は持っていませんが、少し調べたところ、録音中にピークと平均デシベル値を得ることができましたが、バックグラウンドノイズはどうですか？

スウィフトを使用して録音したオーディオファイルを分析する際に役立つ情報があります。

Answer 1

SNR推定はかなりよく開発されたドメインです。スピーチからのノイズを分離し、次にノイズエネルギーと信号エネルギーを別々に計算して比率を計算するボイスアクティビティ検出器を実装する必要があります。これは単純な数学をはるかに超えていますが、Wada SNRのような合理的なアルゴリズムを実装するために統計を理解する必要があります。hereが実装されています。

Swiftでその実装を見つけることはできません。そのようなソフトウェアは通常CまたはMatlabで実装されているため、実装を移植する必要があります。

ノイズ推定は、音声認識と比較してマイナーな問題であり、はるかに高度なアルゴリズムが必要です。スウィフトでの音声認識のための既存パッケージは、TLsphinxまたはOpenEarsのように考える方が良いでしょう。