(语音数字识别)(free-spoken-digit-dataset)

刚开始接触深度学习与音频处理相关知识，借助Keras框架及FSDD数据集自行开发了一个用于识别音频数字的模型，目前技术水平尚处于初级阶段，还望多多包涵（TnT）。

数据来源

https://github.com/Jakobovski/free-spoken-digit-dataset，该数据包含数字0 - 9，每个编号对应300条数据，总计包含3000条信息。

数据处理

首先，我对这3000条数据进行随机排序，选取前2700条作为训练集，剩余的300条则用作测试集。

特征提取

1、对音频信息以16K的采样率进行采集
2、将数据调整为均值为0且方差为1的标准形式
3、从音频中提取MFCC特征参数
4、对所获取的每个MFCC特征进行平均处理（也可选择使用最大值，但实验表明均值的处理效果显著优于最大值）

代码：（name可作为后续进行说话人识别及性别判断的依据）

    import os
    import random
    import librosa
    import numpy as np
    import librosa.display
    import matplotlib.pyplot as plt
    
    class GetData:
    
    """
    一共有300