比如有一句语音“开始”,先用 Google 翻译的标准音。
然后获取用户的声音。
然后比较语音的近似程度。
排除音高男女之类的差异,有点像图片比较,可以接受一定的模糊。
不知道有没有这类轮子。
PS:以前还找过视频去广告的方法,也尝试过一些音频的轮子,不过都是 python 的。这次想在网页上使用(感觉服务器反馈的延迟会影响体验),所以来请教一下大家。
1
leekafai 2020-07-30 13:58:19 +08:00
|
2
shenyu1996 2020-07-30 14:30:25 +08:00
|
3
DJQTDJ 2020-07-30 15:17:37 +08:00
|