VoxCeleb教练 该存储库包含用于培训演讲者识别模型的框架，该文章在“捍卫说话者识别的度量学习”一文中进行了描述。 依存关系 pip install -r requirements.txt 资料准备 以下脚本可用于下载和准备VoxCeleb数据集以进行培训。 python ./dataprep.py --save_path data --download --user USERNAME --password PASSWORD python ./dataprep.py --save_path data --extract python ./dataprep.py --save_path data --convert 为了使用数据扩充，还运行： python ./dataprep.py --save_path data --augment 除Python依赖项外，必须在系统上安装wg

应用背景语音识别是当今生活中的一个热门话题。语音识别的应用可以随处可见，这使我们的生活更为有效。例如在手机上的应用，而不是打电话的人的名字，人们可以直接说出姓名的人到手机，和手机会自动呼叫那个人。如果人们想给别人发短信，人们也可以把短信发到手机上，而不是打字。语音识别是一种人们可以用自己的语言来控制系统的技术。代替键盘或操作系统的按钮，使用语音来控制系统更方便。同时也可以降低工业生产的成本。使用语音识别系统不仅提高了日常生活的效率，而且使人们的生活更加多样化关键技术总的来说，这个项目的目的是探讨通过编程与仿真设计的系统是基于matlab的语音识别算法。同时，该项目的另一个目的是利用所学到的知识的实际应用。在这个项目中，我们将计划2个系统。这两个设计系统的主要算法是相关和Mel频率倒谱系数。为了得到可靠的结果，测试将在不同的情况下完成。首先，测试环境将噪声和无噪声分别为研究设计系统的噪声免疫力。测试的话，将选择不同的对，是容易3 | P A G E公认的单词和难识别的单词。由于设计的系统需要三个输入语音的话，这是2个参考语音和一个目标语音的话，所以这是显着的检查，如果两者的设计系统工作时

深度学习框架下说话人识别综述

Auto Speaker Recognition main.py the main file for test audio_record.py record audio from micro phone count_days.py count days between two date. 20110805 20160903 mfcc_feature.py extract mfcc feature from wav files SGD.model* the trained model on train set , and the accurate is 70% util.py contains the most useful functions train train data is 75% of all the data test test data is 25% of all the data and has no overlap with train set classification_SGD.py is the main classification function py file , and it use

matlab由频域变时域的代码EEC-201 [说话者识别] ♪我周围都是熟悉的面Kong..但是现在他们是熟悉的声音...♫ 团队：敬业的工程师 这个项目是由Aakansha和Sadia共同完成的，目的是使用MFCC，VQ和LBG算法来实现说话人识别。 Sadia从事过预加工和MFCC。 Aakansha从事LBG，噪声添加和陷波过滤方面的工作。 培训，测试和分析写作是同时进行的。 介绍 在当今世界大流行和隔离的情况下，从字面上看，我们的声音变得越来越重要。 由于通信仅限于虚拟，因此通过面对面或通过指纹进行的身份验证已经过时。 但是，正如我们的脸部和指纹独特一样，我们的声音也具有鲜明而可区分的特征。 如我们的项目所示，计算机程序比人耳能够更好地识别这些功能。 我们使用模式识别或特征匹配实现说话人识别系统，其中将从输入语音信号中提取的声学矢量序列分类为各个说话人ID。 具体来说，我们的系统是监督模式识别的一种实现，其中数据库由训练集中的已知模式组成，这些模式与测试集进行比较以评估我们的分类算法。 有两种方法可以进行说话人识别-依赖文本和不依赖文本。 依赖于文本的说话者识别策略要求说话者

SVM的几个核函数对说话人身份识别的技术研究 根据具体的数据得到特征 然后采取svm分类，svm包含高斯核函数 线性核函数 RBF核函数 多项式核函数等 采取了不同的核函数对说话人的身份进行识别

基于MELFCC和随机森林的说话人识别系统

MFCC+svm交叉验证的说话人分类

基于高斯混合模型（GMM）的说话人识别，matlab实现，包含数据集以及源码

基于矢量量化（VQ）的说话人识别matlab实现