同是兩小時的錄音，能否對比哪個交談更多？能否數據化對比？
01-08
逐字逐句人工識別太沒效率，只希望對比錄音中交談的密度。
如果你只想比較談話的時長，那麼只需要進行簡單的VAD (voice activity detection)，找出有說話聲的區間，計算總長度即可。
如果你還想考慮語速，那麼至少需要一個音素識別器（phone recognizer），以統計音節數。推薦閱讀：
※為什麼一般語音識別系統要選擇25毫秒或25.6毫秒為一個標準幀長？
※前向後向演算法和baum-welch演算法區別是什麼？
※準備學習研究一下語音識別 請問有哪些值得推薦的書籍 論文 及開源庫？
※政府監控私人電話，記錄的主要是哪些信息？
※如何理解語音識別的 lattice-free MMI 聲學訓練？