算法建议：比较声音片段
Algorithm suggestion: comparing sound clips
（不确定这是否是这个问题的正确位置）
我们正在分析数以千计的人们谈话的声音片段，试图找到音高、音节频率等方面的模式，以便提出一个签名数据库，将新的声音片段与情绪相匹配。
虽然我熟悉一些 AI 算法（例如贝叶斯），但我很好奇是否有人对我们可以使用的算法类型有任何想法。
总体概念（图短 2-5 秒 .wav 剪辑）：
soundClip1 -> 'anger'
soundClip2 -> 'happy'
soundClip3 -> 'sad'
...
emotion = predict(newSoundClip)
给定一个新的声音片段，我们想做一些类似于 Shazzam 的事情，除了返回片段代表特定情绪的概率。
如有任何建议，我们将不胜感激！
尝试根据振幅和频率对剪辑进行归一化，使其具有可比性。
然后测量幅度和频谱属性，如方差、自相关、minima/maxima 的数量等。
这些测量允许将每个剪辑视为 n 维向量 space。您可以使用聚类分析方法来查找相邻的剪辑。主成分分析 (PCA) 可能有助于找到或多或少有意义的 属性 个维度。
需要大量阅读模式识别、信号处理和聚类分析的书籍才能了解什么是可能的。
（不确定这是否是这个问题的正确位置）
我们正在分析数以千计的人们谈话的声音片段，试图找到音高、音节频率等方面的模式，以便提出一个签名数据库，将新的声音片段与情绪相匹配。
虽然我熟悉一些 AI 算法（例如贝叶斯），但我很好奇是否有人对我们可以使用的算法类型有任何想法。
总体概念（图短 2-5 秒 .wav 剪辑）：
soundClip1 -> 'anger'
soundClip2 -> 'happy'
soundClip3 -> 'sad'
...
emotion = predict(newSoundClip)
给定一个新的声音片段，我们想做一些类似于 Shazzam 的事情，除了返回片段代表特定情绪的概率。
如有任何建议，我们将不胜感激！
尝试根据振幅和频率对剪辑进行归一化，使其具有可比性。
然后测量幅度和频谱属性，如方差、自相关、minima/maxima 的数量等。
这些测量允许将每个剪辑视为 n 维向量 space。您可以使用聚类分析方法来查找相邻的剪辑。主成分分析 (PCA) 可能有助于找到或多或少有意义的 属性 个维度。
需要大量阅读模式识别、信号处理和聚类分析的书籍才能了解什么是可能的。