在应用程序中，我必须比较以前本地存储的语音命令的实时录制，如果它匹配（不仅是文本，还有已识别人员的语音），然后执行必要的操作。
1个来自同一个人的匹配语音命令
2-match命令的文本
我申请了很多方法，但都没有达到我的预期。
第一个： 使用语音到文本库，如OpenEars、SpeechKit，但这些库只转换语音中的文本。
结果：按我的预期失败
第二：（音频指纹）
acrcloud库：在这个库中，我录制了一个命令，并将该MP3文件存储在acrccloud服务器上，与实时录制（我说的）相匹配，但它不匹配，但当我播放上传到acrcloud服务器的同一录制（我声音的录制MP3文件）时，它匹配。结果：按我的预期失败
API.AI:在这个库中，这就像语音对文本，我在他的服务器上存储了一些文本命令，然后任何人说出相同的命令，结果都会成功。结果：按我的预期失败
请建议我如何解决iOS应用程序的此问题
如果我正确理解您的需求，我会这样做：
-
你需要比较每个录音的音频频谱，以匹配个人（看看Accelerate框架中的vDSP）1024个窗口的FFT分析应该足够了（如果不尝试将其加倍以获得更多细节）我会从频谱中的5-10个峰值开始比较，并从中进行实验。查看EZAudio，了解一个简单的FFT实现，让您开始。
-
使用语音到文本库来匹配文本。语音重音通常会大大扭曲它们的结果，所以我可能会从音频和比较中获取文本，而不是在文本中指定要匹配的命令。
祝你好运！
http://www.politepix.com/openears/可以在objective-c中使用，或者如果你想快速尝试http://blog.tryolabs.com/2015/06/15/tlsphinx-automatic-speech-recognition-asr-in-swift/.我从来没有用过它们，但它们似乎拥有你所需要的一切。如果不尝试寻找C++库，应该有更多的选择，但很可能您将不得不处理典型的移植问题。我真的不建议你自己写一个，因为你会花一些时间学习技术，然后导入一些信号处理库，然后开始写你自己的算法。当然，除非你有时间和兴趣去做
我建议你开始以语音识别软件通常开发的方式集成你的应用程序：记录一堆例子，构建测试，并经常验证事情是否正常。
在进行语音识别工作（包括单词识别和说话人识别）时，我学到的一件更重要的事情是，录音的质量对你能用它做什么有很大影响。在你能找到的最安静的地方制作一小批录音，这样你就总能有一个基准来与更多的现实生活录音进行比较。
还要试着在稍后的阶段覆盖你在实际应用中找到的所有麦克风，因为并不能保证所有iphone麦克风都是平等的。我希望不同型号的iphone不会有任何差异，但谁知道呢？
一般来说，我认为您应该使用带有一些调整的方法1。用于本地音频。您添加文本脚本版本，如：1音频，源脚本用于录制音频。使用OpenEars，SpeechKit将音频转换为文本
尝试比较源脚本和文本以获得结果。为了获得最佳的比较结果，您应该在源脚本中标记必须强调的文本。有时我们会用这样的词：葡萄酒，妻子，白色。。。（也试着处理这个问题）
GLHF