我有一个来自斯瓦希里语演讲者的简短语音样本语料库，我想检测每个录音中的音节数。我应该如何处理这项任务？

背景：我在 StackOverflow 上询问了这个问题的概念/编程变体，展示了我在 R 中进行峰值检测的尝试。用户将问题迁移到 CrossValidated，但有人建议 SP 可能是一个更好的家。我询问了如何处理 SP Meta 上的情况，一位用户给了我有用的建议，以便在 SP 上更概念性地构建这个问题。