语音库的分析与评价

语音库的分析与评价

影响因素分析

说话人识别（声纹识别）语音库的分析与评价，一般依据以下四个因素：

1、说话人的数量和差异性
2、说话人录音的次数及录音间隔
3、语料的类型（固定的短语、带提示信息的数字、朗读句子、对话语音）
4、录音设备，录制环境，传输信道

影响因素	选项
人数
录音方式	多次重复录音、转录语音、录音回放语音
采集设备	宽带（麦克风）、窄带（电话、手机）、单/双通道、立体声
录音环境	室内、室外、安静、嘈杂
距离	近场识别 、远场识别
语速	快、适中、慢、时快时慢
音量	大、小、时大时小
音色	男声、女声、童声
录音内容	数字串（普通话、英语、方言）、固定短文（普通话：60个音素和韵律分布平稳）、自由发言
口音分布	不同省市、自治区

一些结论：

• 相对于宽带语音数据，窄带语音数据的识别效果大幅降低；
• 不同的文本和语言风格对识别性能也有很大影响；
• …
  

目标

说话人识别（声纹识别）的研究核心是解决训练集和测试集之间的失配（会话变异）问题，导致训练集和测试集之间差异的主要因素可以分为两大类：

• 说话人差异：如声道差异、发音特点、说话人风格等，这是对声纹识别有用的部分——需要加以利用
• 会话间差异：如不同的采集设备、传输媒介等，这种失配严重影响声纹识别的性能——需要剔除

一个理想的声纹识别系统，应该在去失配信息的同时尽量完整地保留说话人的本质特征。

在过去的十几年间涌现出了很多优秀的失配补偿算法，根据它们的作用域可分为三大类：特征域，分数域和模型域。

语音质量评价

待看：

1. 语音质量评价方法-【音频质量专题】

2. 语音质量评估

3. POLQA

参考：

1. 面向移动互联环境的说话人识别语音库SRMC
2. 录音回放说话人身份认证语音数据库
3. 语音识别、声纹识别的区别及测试