High,...ich habe mir einen Mediaplayer programmiert und würde ihn gerne per Spracheingabe steuern. Dazu muss ich ja irgendwie meine Befehle 1. speichern & 2. "einsprechen". Jetzt habe ich das Problem, dass ich zwei Audiodateien ja nur vergleichen kann, wenn sie quasi visualisiert sind. Wie kann ich meine Sprachbefehle als Frequenz darstellen und sie dann mit der Eingabe vergleichen ???

Also mal von der Tatsache ausgehend, dass sich seit Jahren führende Fachleute bei Fauenhofer&Co mit mäßigem Erfolg an diesem Problem versuchen, würde ich mal sagen, dass du dich übernimmst.

Das Problem bei jeder Spracherkennung ist immer, dass man nie ein Wort zweimal genauso ausspricht und vorallem nicht in der gleichen Tonhöhe. Man muss also bei der Prüfung eine Toleranz einbauen, die aber nicht dazu führen darf, dass ähnliche Worte aus Versehen akzeptiert werden.
Zweites großes Problem ist, die Algorithmen so schnell zu halten, dass sie nicht den genzen Rechner blockieren.

Frequenz reicht da nebenbei auch nicht aus, du müsstest die Zeitdifferenz zwischen signifikanten Frequenzmerkmalen berücklichtigen, Lautstärkeverhältnisse... etc.


Wenn du's trotzdem versuchen willst, viel Glück.

Ich will´s versuchen...ich glaube garnicht, dass es soooo schwer wird - ich will ja nur wenige Befehle benutzen und somit ist das Problem mit der verwechselung ausgeschlossen. Die Sache mit der Toleranz habe ich auch schon bedacht - müsste klappen...nur du hast mich vor ein neues Problem gestellt - Zeitverschiebung !!! Ich muss ja auch noch mit einbedenken, dass ich nicht immer genau gleich schnell spreche... <--- das wird schwer ! Aber ich glaube für ein Einzelprojenkt wird es wirklich sehr heftig - Will vielleicht jmd. mitarbeiten ???

Wenn du das machen willst dann solltest dich mit der Fouriertransformation und Koorelation beschäftigen, damit kannst du Signale in Frequenzen zerlegen und vergleichen, wenn nötig auch strecken oder stauchen.
Ich arbeite bei Fraunhofer&Co, zwar nicht in der Abteilung die das macht, aber ich weiß das es schon erhebliche Fortschritte auf diesem Gebiet gibt. Allerdings werden die von Brainiac angesprochenen Probleme und noch andere Dinge weitere Jahre der Forschung und Entwicklung benötigen. Das größte Problem ist die individuel verschiedene Aussprache.