小白声纹识别（说话人识别）探索

---

序言：作为一名完全的声纹识别小白，刚开始接触，毫无头绪，都不知道从何入手，在搜集了一些资料，看过一些学习视频，论文之后，记录一下自己的摸索过程，同时将一些目前网络上的资源进行汇总。目前的我确实学习还是非常浅，如果有一些理解错误，会进行改正。

---

一、算法纵览

搞懂声纹识别算法整个的发展过程，才有利于进一步改进。了解了各种方法，才能选出最适合数据的算法。看论文时也会减轻很多压力。所以首先记录一下我了解的一些算法发展流程：

1. 最早的GMM-UBM i-vector

利用GMM高斯混合模型提取特征i-vector；克服训练数据不多的情况，引入UBM；将语音分为说话人空间和环境空间，解决环境带来的信道，PLDA实现信道补偿，将提取的i-vector更加纯粹。

当然，获取i-vector的方法不仅仅局限在高斯混合模型，利用一起其它的机器学习方法进行补充一样可以，甚至是DNN提取的特征。

2. DNN入场

DNN的引入极大的降低了识别错误率。这时候的算法，可以称为embedding算法，依然是提取特征，不过这时候提取的是神经网络最后隐藏层的激活单元了，作为embedding，代替i-vector来作为一段语音的特征表示。

这时候出现了d-vector（深度神经网络最后一个隐藏层作为embeddings特征）、x-vector（从TDNN网络中提取embeddings特征）、j-vector模型（适用于文本相关说话人确认）

3.