用matlab实现说话人的识别，有具体的例子和代码，还有做界面的参考资料。

语音识别(Speech Recognize)技术,是让机器通过识别和理解过程使之听懂人类语言的技术。语音识别技术是信息技术中人机交互的关键技术,目前已经在呼叫中心、电信增值业务、企业信息化系统中有了广泛的应用。 InterReco电话语音识别产品整合了科大讯飞研究院、中国科技大学讯飞语音实验室以及清华大学讯飞语音实验室在语音识别上多年的技术成果,并针对中文语音识别应用做了多层面的优化,核心技术上达到了国际领先水平。

目前，大部分的说话人识别模型是基于MFCC的混合高斯模型，MFCC包含语音频率结构的时间变化信息，相对稳定，但不同的说话人之间容易相互模仿，本论文针对MFCC的易模仿性，增加了另一种特征参数，基音周期，基因周期包含了语音频率结构信息，虽然会受到说话人健康状况的影响，但不容易模仿。本文将二者结合用于说话人识别。同时，针对常规直接对高斯混合模型进行解混导致识别速度慢这一缺点，本文提出先用DTW计算语音样本间基音周期的最短距离，再用GMM的方法计算测试样本在得分小的前几个训练样本中分布的最大似然概率。实验表明，这种DTW和GMM相结合的说话人识别模型在提高识别准确率和缩短识别时间上都有着显著性的改进。

在说话人识别系统中，提取反映说话人个性的语音特征参数是系统的关键问题之一，本文在研究小波变换理论的基础上，借鉴MFCC参数的提取方法，用小波变换代替傅立叶变换，提取了新的特征参数DWTMFC，并对常用的coif3、db6、db4、sym4、bior2．4这几种小波函数进行了比较，实验结果表明：coif3为提取语音特征参数的最优小波函数，DWTMFC参数的性能优于MFCC参数。

基于Alize的ivector算法，《声纹识别之Alize入门教程(三)：I-vector》对应资源。https://blog.csdn.net/u012594175/article/details/88726163

语音信号处理实验教程配套matlab代码，GMM。可以实现基本的训练和识别。

本人在MATLAB平台上设计了具体的说话人识别系统用户界面。在实验当中实现的功能有采集语音、预处理、特征提取、识别，如：对说话人进行实时录制并进行处理之后存到训练语音行列中；实时为说话人进行录音并进行处理，然后对训练语音进行匹配，得出较理想的结果。通过这个实验让本人对关于语音识别的理论知识有了更深层的了解并对已理解的部分知识起了验证的效果。

需要和voicebox配合使用，使用voicebox提取MFCC和k均值分类，这是GMM说话人识别模型的训练程序。

使用PaddlePaddle实现声纹识别的预训练模型，更大数据训练的。 源码地址：https://github.com/yeyupiaoling/VoiceprintRecognition_PaddlePaddle

基于Keras实现的声纹识别预训练模型，大数据训练的模型，源码地址：https://github.com/yeyupiaoling/VoiceprintRecognition-Keras