FFTとクラスタリングとかを組み合わせて似た音声ファイルの検出をやってるけど、
こんなのRNNを使おうと思わない。そういう研究あるだろうけど。
NNは数ある技術の一つなのにアホみたいに持ち上げすぎでしょ。。。