哪种功能，算法适合说话人验证

Posted 2021-03-28

我有一个发言人验证的任务。

我的任务是计算两个音频语音之间的相似度，然后与阈值进行比较。例如：两个音频之间的相似度得分为70％，阈值为50％。因此，发言者是同一个人。

演讲是与文本无关的，可以是任何对话。

我已经尝试使用MFCC，GMM进行说话人识别任务，但这项任务有所不同，只需比较两个音频特征就可以得到相似度。我不知道哪个功能对于说话人验证有好处，哪种算法可以帮助我计算两种模式之间的相似度得分。

希望得到你们的建议，

非常感谢。

答案

现在最先进的是xvectors：

Deep Neural Network Embeddings for Text-Independent Speaker Verification

Kaldi的实施是here。

另一答案

我也在研究TIMIT数据集以进行说话人验证。我已经提取了mfcc特征并训练了UBM，并且适用于每个扬声器。当涉及到适应时，我使用了对角矩阵。你是如何测试wav文件的？但是，在功能方面，您可以使用音高和能量。