音频中包含例如：【wo shi do re mi fa so la xi】 
音频的内容需要与谱子的标准答案对比 
涉及呼吸间隔，唱名、节奏、音高的综合评分 
有大佬做过或研究过类似功能场景吗？可有偿寻解决方案 
当前的操作： 
使用设备录制采集hz作为音高、节奏判断 
使用三方语音识别接口识别音频中的内容用于判断是否与标准答案是否匹配，作为唱名的评分判断 
可在话题下追问、讨论，谢谢各位佬