mobileNet/音频分类

浏览器音频分类器 (背景噪音分离增强版)

简介

这个项目是一个基于浏览器的音频分类器，它利用 TensorFlow.js 和 Speech Commands 模型，可以识别用户自定义的声音类别。与传统音频分类器不同的是，此版本特别强调了背景噪音的分离和处理，从而提升分类准确率。

此应用允许用户：

1. 录制背景噪音样本： 用于训练模型，区分目标声音和环境噪音。
2. 添加自定义声音类别： 例如 "拍手"、"响指"、"警告音" 等。
3. 录制自定义声音样本： 用于训练模型，识别特定声音。
4. 训练模型： 使用录制的背景噪音和自定义声音数据，训练分类模型。
5. 实时识别： 使用训练好的模型，实时识别麦克风输入的声音类别。

特性

• 背景噪音分离： 通过录制和学习背景噪音，提高分类器在嘈杂环境中的准确性。
• 自定义类别： 用户可以根据自己的需求添加和训练任意声音类别。
• 实时识别： 模型训练完成后，可以立即进行实时声音识别。
• 浏览器端运行： 所有处理都在浏览器端完成，无需服务器支持。
• 用户友好的界面： 简单直观的界面，易于操作和使用。

技术栈

• TensorFlow.js: 用于在浏览器端运行机器学习模型。
• Speech Commands Model: TensorFlow.js 提供的预训练语音命令模型，用于迁移学习。

快速上手

建议使用live server插件开启本地服务器，并访问voice.html文件。

注：直接打开index.html文件会需要重复授权麦克风权限，请使用live server插件开启本地服务器可以解决

音频切片

TODO

需要查看speech-commands接口实现传入collectExample

.\speech-commands\src\browser_fft_recognizer.ts 667,9: async collectExample(word: string, options?: ExampleCollectionOptions):

现在实现的方法是调用collectExample方法，传入word参数，然后会自动录制音频文件，统一码率，生成频谱图，传入模型，并没有给出可以直接传入音频接口。

如果需要实现一次性录制，需要实现手动将音频文件转换成频谱图，传入模型。

目录下speech-commands文件夹是导入的https://cdn.jsdelivr.net/npm/@tensorflow-models/speech-commands@latest/dist/speech-commands.min.jsjs文件仓库