關於語音識別特徵提取該如何入門？

本人目前大三，做語音方面課程設計，我負責只需要將一段已經錄製好的音頻（直接存在PC上了）進行特徵提取然後轉為文本信息，不需要很系統的了解，實現方式是mathlab，請問問這需要看什麼書籍、資料之類的

目前懂得一些比較基礎的信號方面的知識，但是對語音這一方面的不怎麼了解。

---

想學習特徵提取的話，好好研究並實現一下MFCC， 可以參考一些開源的實現，github有，當然也可以參考HTK或者kaldi的源碼，kaldi的源碼還是邏輯比較清晰的。

如果只是想用的話，用 HTK 或者 kaldi 都可以，kaldi有工具可以直接用。

補充：

python提取mfcc特徵的話，sidekit，librosa 都比較好用，opensmile也可以吧。

---

Matlab不熟，不知道相關的庫。關於實現：

如果你擅長c語言，那就用劍橋出品老牌勁旅HTK Speech Recognition Toolkit，代碼成熟穩定，但更新較慢，目前支持GPU和前饋型神經網路FNN，windows和Linux環境均可：

如果你擅長c++，那就用閃閃發光支持深度學習多模型的Kaldi ASR，目前活躍，參考文檔請戳FeatureExtraction，開發效率高，Linux使用方便：

如果你擅長python，那就用 librosa，各種語音特徵，windows和Linux均可：

以上，自己選嘍。

最後，推薦一個中文語音數據集（30h，戳戳戳）：

---

書籍建議如下：

1. 信號處理基礎類
1. 《語音信號處理》 趙力 著
2. 語音識別類
1. 《Automatic Speech Recognition》 A Deep Learning Approach， Dong Yu, Li Deng
2. 《SPEECH RECOGNITION WITH WEIGHTED FINITE-STATE TRANSDUCERS》Mehryar Mohri

代碼工具建議如下：

1. 牛逼哄哄的 Kaldi

---

在ilovematlab論壇上 有語音識別的特徵程序 或者我說幾個常用特徵 題主百度找找看吧mfcc plcc 基頻 短時能量 不夠我再給你補充

---

有本書叫Matlab在語音信號上的應用，有提mfcc的程序，可以看看，很簡單的。

---

推薦閱讀：