Buenas noches, estoy trabajando en un proyecto con Kinect y necesito realizar un reconocimiento de género utilizando la información de voz captada por el micrófono del sensor. El reconocimiento también podría serbasado en texto, es decir, la frase dicha por el usuario siempre podría ser la misma. Yo "solo" necesito la respuesta binaria masculina / femenina.

He comprobado la popular Esfinge de código abierto, pero no puedo entender si podría utilizarse para mis necesidades.

¿Alguna idea de lo que podría usar?
Gracias por adelantado.