Matlab利用API语音识别

Matlab利用API实现语音识别，频率16khz，通道1，出来的这个
ans =

空的 0×0 char 数组

这是代表什么啊

0×0 char 数组表示Matlab程序运行结果是一个空的字符串数组，也就是说，Matlab利用API实现的语音识别没有识别出相应的结果，出现这种情况可能是API调用错误，或者是声音信号太弱，或者是频率、通道不符合要求。

不知道你这个问题是否已经解决, 如果还没有解决的话:

• 帮你找了个相似的问题, 你可以看下: https://ask.csdn.net/questions/380970
• 这篇博客你也可以参考下：基于MATLAB的深度自动编码器的无监督轴承异常检测
• 除此之外, 这篇博客: MATLAB隐马尔可夫模型程序包应用例程中的 多维高斯混合隐马尔可夫模型 部分也许能够解决你的问题, 你可以仔细阅读以下内容或者直接跳转源博客中阅读:
  

  %离散高斯隐马尔可夫
  Ov_1 = 3;     %观测向量维数
  T_1 = 215;    %观测序列的长度
  nex_1 = 1;    %抽取观测样本组数（这个我也没搞懂，猜的）
  %data = randn(O,T,nex);     %随机生成的数据，用来测试模型
  data_1 = importdata('1000.txt')      
  data_1 = data_1.';     %转置
  M = 2;        %高斯混合常数
  Q_1 = 5;      %隐变量数
  left_right = 0;     
  prior_1_0 = normalise(rand(Q_1,1));     %随机生成一个初始状态概率矩阵，
  transmat_1_0 = mk_stochastic(rand(Q_1,Q_1));     %随机生成一个初始状态转移矩阵
  
  cov_type = 'full';            
  [mu_1_0, Sigma_1_0] = mixgauss_init(Q_1*M, reshape(data_1, [Ov_1 T_1*nex_1]), cov_type);   %初始化
  
  
  mu_1_0 = reshape(mu_1_0, [Ov_1 Q_1 M]);      
  Sigma_1_0 = reshape(Sigma_1_0, [Ov_1 Ov_1 Q_1 M]);
  mixmat_1_0 = mk_stochastic(rand(Q_1,M));
  
  %迭代训练模型
  [LL, prior_1, transmat_1, mu_1, Sigma_1, mixmat_1] = mhmm_em(data_1, prior_1_0, transmat_1_0, mu_1_0, Sigma_1_0, mixmat_1_0, 'max_iter', 50);
  
  B = mixgauss_prob(data_1, mu_1, Sigma_1, mixmat_1);
  
  %导出第一层的隐藏状态序列
  [path_1] = viterbi_path(prior_1, transmat_1, B);
  
  
  xlswrite('D:\dhmm\middle.xlsx',path_1);
  

  
  该模型的输入数据即观测变量是连续值，又是三（多）维的，所以我们要用高斯混合隐马尔可夫模型。该模型的输入是连续值，输出的隐状态序列是离散的。
  这里的data_1 = importdata(‘1000.txt’) ，数据导入matlab后是215*3的
  矩阵，行是时间序列，列是三维观测变量。这里程序包要求列是时间序列，行是观测变量，所以我们对其进行转置。随机生成一个初始状态概率矩阵和初始状态转移矩阵后，定义协方差矩阵类型cov_type = ‘full’。完成初始化和矩阵调整之后，调用程序包中的多维变量训练函数mhmm_em()，对迭代模型进行训练。然后导出隐藏状态序列到名为middle.xlsx的excel文件中，方便后续使用。

如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更多的人 ^-^