CMU Sphinx

cmusphinx，很好的开源项目

一直在想一个语音识别的项目，这是一个我自己想的项目，完全来源于我自己的生活，简单说起来就是，现在大家不是常常去卡拉ok玩吗，常常有些歌曲想不起来名字，也记不清楚歌词，只是知道调子，只能哼两句，我就想做这样一个软件，只要你能对着mic哼唱两句，不用记得歌词歌名，系统马上通过查找匹配，在很短的时间内找到要找的歌曲。

看到了一个语音识别方面的开源项目，http://cmusphinx.sourceforge.net/html/cmusphinx.php她是CMU的开源语音识别项目，得到了sun和Mitsubishi等很多公司的资助，所有代码公开，他们的最新的版本sphinx4是完全基于JAVA来做的。

不过，我有些困惑的是，我觉得我这个项目的想法，并不稀奇，为什么没有看到过有相关公司或者人员做这方面的研究或者开发，因为我对语音识别方面的了解也非常粗浅，不知道是不是从理论上说，对这种音乐歌曲旋律的匹配、比较、识别是一件从理论上来说都很难的事情？据我了解，大多数的语音识别项目，都是针对于人类某种语言的识别（英语或汉语），sphinx这个项目也是对于语言的识别（主要是英语），而且大多数都是基于有限词汇量的语音识别，同时因为有识别速度的要求，识别主要靠的是提前的预判，在用户说出下一个音节之前，已经提前预判了基本上属于一个什么样的范围，否则如果每次都全局搜索速度上是达不到的；而音乐歌曲旋律的识别，基本上相当于无限词汇量的识别，是不是理论上就很难解决呢？

粗浅想法描述一下，这样的一个项目，可大可小，如果认真做起来，三个模块其中的任一个都有很多工作可以做，软件模块主要分三个方面：

A：音乐的预整理。对歌曲的音频进行过滤，将这首音乐的keyfeature取出来，或者是音调，或者是针对一个时间序列的采样，把这些元数据提取出来，然后保存下来，以备将来的匹配比较。

B：数据的重组和查找。将采样下来的数据，进行一种最优的保存，或者是数据库，或者是建内存表（B＋树或者），总之是进行一种格式化的存贮，目的是当C模块将所需要查找的序列作为关键字查找时，能够迅速的进行匹配，并搜索出最相似的结果集返回，这部分工作，对搜索算法算法有较高的要求，因为如果即使语音识别的问题解决了，速度上太慢的话，也是没有太大意义的。

C：语音识别部分。用户哼唱一首歌曲，实时的将音频数据保存，并分析用户哼唱的片断，调用B模块进行分析。

不过我看了一下代码，真多啊，sigh，也不知道有没有戏