开源项目推荐：spoken_language_identification

开源项目推荐：spoken_language_identification

spoken_language_identification Identify a spoken language using artificial intelligence (LID). 项目地址: https://gitcode.com/gh_mirrors/sp/spoken_language_identification

1. 项目基础介绍与主要编程语言

spoken_language_identification 是一个使用人工智能识别 spoken language 的开源项目。该项目通过卷积神经网络（CNN）来检测特定语言特有的音素，目前支持英语、德语和西班牙语三种语言的识别。项目主要使用 Python 编程语言开发，同时涉及到一些 Makefile 脚本的使用。

2. 核心功能

项目的核心功能是识别音频样本中的语言。具体来说，它包含以下几个关键步骤：

• 音频归一化：输入的音频样本是 FLAC 格式的单声道文件，采样率为 22050 Hz，位深为 16 位，时长为 10 秒。
• 特征提取：从音频样本中提取滤波器组，并进行均值和方差归一化。
• 数据缩放：使用 Min/Max 缩放器对数据进行缩放。
• 卷积神经网络处理：预处理后的数据被送入卷积神经网络，其中使用了全局平均池化层来提升性能。
• 多类输出：网络输出为多类，即识别出的语言类别。

3. 项目最近更新的功能

根据项目的最新更新，以下是一些新增或改进的功能：

• 性能提升：项目在测试集上的 F1 分数达到了 97%，并且对现实生活中的内容（如播客或电视新闻）也有很好的泛化性能。
• 噪声过滤：对于有噪声的音频，项目提供了噪声过滤器选项，可以通过调整静音阈值来改善识别效果。
• 数据集更新：项目创建了一个新的数据集，使用 LibriVox 录音准备，特别注意了说话者的多样性，以迫使网络更多关注语言特性而非特定声音。

spoken_language_identification 项目的持续更新和完善，使其在语言识别领域具有很高的实用价值和研究意义。

spoken_language_identification Identify a spoken language using artificial intelligence (LID). 项目地址: https://gitcode.com/gh_mirrors/sp/spoken_language_identification