您将首先将音频转换为频域，该音频域是使用
快速傅立叶变换完成的。对于您进行FFT的及时及时，这将为您提供频率及其振幅的列表。 您将以某种方式通过分析谐波来检测基本语气。 第二和第三谐波将是最清晰的。 很难弄清楚它们是哪些谐波，尤其是在背景噪音和人们声音之间的自然差异方面，谐波最大的声音。 然后，您可以尝试通过您猜到的基本语气来确定说话者是男性还是女性。 确保在许多部分的演讲中（例如sibilance（'s'，'t'等））没有音调，只是噪音。 它需要非常聪明。 希望您朝着正确的一般方向。
注：如果两个声音同时是同时进行的，并且您想干净地将它们分开，那么这对您无济于事。 我不相信活着的人解决了这样的问题。
我认为这是可能的。我刚刚开始与安德鲁·恩格（Andrew Ng）教授一起在斯坦福大学（Stanford University）撰写有关机器学习的在线课程。背景和讲话的人）。显然，它使用了一种无监督的学习算法，使其可以提取两个基础模式。您可能需要研究该课程（这里有一个版本：
Http：//www.academicearth.org/courses/machine-learning-）
）这样可能的工具是
。它用Java编写，并在GPL下可用，是一种语音识别工具，并为男性，女性和儿童使用统计模型。幸运的是，为您提供了模型，您可以使用它而无需标记录音并训练模型。 请参阅liumwiki的sripping页面以获取示例，在页面中搜索“性别”。
如果它们是独立的，那么您更有可能的赌注是拥有大量的男性和女性声音样本，并寻找共同的特征（以及一种以编程方式识别它们的方法）。如果样品未清晰记录（如果有背景噪音），情况就会变得更加复杂。 您可能会以平均语调逃脱 - 男性的声音比女性深度更深。 您问的是一项任务的地狱。 Thomasrutter写了一些“指针”如何做到这一点 - 但是，如果您想在各种音乐中使用（当然），我想算法必须真的很健壮。也许从与歌曲中的单个乐器样本分开（拼写）开始更容易/更容易。
我没有答案，但我也想答案。我是卡拉OK D.J.我正在努力建立一个虚拟乐队，所以看起来歌手正在与乐队一起唱歌。 我想找到一种方法，将伴奏音乐喂入机器人节目中，并在有男性背景的声音和女性假人的嘴巴时移动男性的嘴巴，当有女性背景时，并且两者都有两个时都有