我在寻找一种方法，将用户提交的音频录音与参考录音进行比较，以便为语言学习者评分或给出百分比成绩。

我意识到这种方法非常不科学，更像是一种噱头。

我最初的想法是使用某种音频指纹识别技术，或波形比较。

有什么建议可以告诉我应该从哪里开始查找吗？

回答：

解决这个问题绝非易事，尽管在这个领域有大量的研究。目前，在语音识别领域最成功的机器学习形式应用了隐马尔可夫模型技术。

你可能还想查看现有的HMM算法实现。一个处于早期阶段的此类库是ghmm。

或许更适合你的问题，且更易于应用的是HTK。