语音指令识别模型
基于MFCC特征提取的CNN语音指令识别模型，支持6个基础指令和1个"未知"类别。
功能特点
- ✅ 支持6个语音指令：打开、关闭、前进、后退、左转、右转
- ✅ 自动识别无效输入为"未知"类别
- ✅ 数据增强提升模型鲁棒性
- ✅ 实时麦克风录音推理
- ✅ 测试准确率：97%+
环境要求
Python 3.8+
TensorFlow 2.x
安装依赖
pip install -r requirements.txt
快速开始
1. 推理测试
python infer_mic.py
按 Enter 录音，说出指令后会显示识别结果。
2. 重新训练模型
python train_7class.py
训练完成后会自动保存模型和标签编码器。
指令说明
| 类别 | 指令 | 说明 |
|---|---|---|
| 0 | 未知/无指令 | 非指令输入 |
| 1 | 打开 | 打开某物 |
| 2 | 关闭 | 关闭某物 |
| 3 | 前进 | 向前移动 |
| 4 | 后退 | 向后移动 |
| 5 | 左转 | 向左转 |
| 6 | 右转 | 向右转 |
项目结构
.
├── keyword_model_7class.h5 # 训练好的模型
├── label_encoder_7class.pkl # 标签编码器
├── train_7class.py # 训练脚本
├── infer_mic.py # 推理脚本
├── requirements.txt # 依赖清单
└── README.md # 说明文档
模型配置
训练参数可在 train_7class.py 中调整：
N_CLASSES = 7 # 类别数
EPOCHS = 400 # 训练轮数
BATCH_SIZE = 32 # 批次大小
LEARNING_RATE = 0.001 # 学习率
数据来源
- 原始语音数据（6个类别）
- EdgeTTS合成多样化表达
- 数据增强（变调、变速、噪声等）
推理参数
推理参数可在 infer_mic.py 中调整：
RATE = 16000 # 采样率
RECORD_SECONDS = 1.5 # 录音时长（秒）
注意事项
- 录音环境尽量安静
- 说话时保持稳定的语速
- 可根据实际效果调整置信度阈值
License
MIT