aishell的说话人识别资料

最新推荐文章于 2022-12-12 16:15:00 发布
最新推荐文章于 2022-12-12 16:15:00 发布
阅读量670 收藏 2
点赞数
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/boystray/article/details/90648939
版权

说话人识别采用i-vector技术，保证能识别出某一段话是哪个人说的。

跑脚本请参考kaldi/egs/aishell/v1

数学公式请参考https://www.zhihu.com/question/63978977/answer/215215119

kaldi代码请参考　https://blog.csdn.net/robingao1994/article/details/80320999

说话人识别/声纹识别学习路径的资料整理,从零学声纹识别https://blog.csdn.net/robingao1994/article/details/82659005

https://blog.csdn.net/KevinBetterQ/article/details/82670320

https://zhuanlan.zhihu.com/voicebiometrics

 

boyStray
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
声纹技术（三）：声纹识别技术
u013250861的博客
06-24 2694
广义上讲，声纹技术是一个宽泛的概念，其包含了许多不同的技术及应用。在所有这些技术中，声纹识别技术是其他技术的基础。无论是第5 章将要介绍的声纹分割聚类技术，还是第6 章将要介绍的基于声纹的语音合成、人声分离及语音活动检测等，都离不开与声纹识别模型的协同工作，其中的声纹识别模型既可以是事先预训练好的（pre-trained），也可以是联合训练（joint training）得到的。因此，本章也是本书最重要、最核心的章节。声纹识别，也称为说话人识别，在英文中对应若干种说法，例如voice recognition
AISHELL-1-sample数据集
10-31
包括 AISHELL-1_sample数据集 和词典
人工智能：声纹识别技术介绍
IT技术分享社区
12-12 3125
在声纹技术中，声纹识别是其中最核心的一项技术，简单来说：声纹识别就是利用算法和神经网络模型，可以让机器能够从语音信号当中识别出不同人说话的声音，然后给交给其他系统进行使用。
[深度学习概念]·声纹识别技术简介
热门推荐
简明AI工作室
02-26 2万+
声纹识别技术简介 声纹识别，也称作说话人识别，是一种通过声音判别说话人身份的技术。从直觉上来说，声纹虽然不像人脸、指纹的个体差异那样直观可见，但由于每个人的声道、口腔和鼻腔也具有个体的差异性，因此反映到声音上也具有差异性。如果说将口腔看作声音的发射器，那作为接收器的人耳生来也具备辨别声音的能力。 最直观的是当我们打电话给家里的时候，通过一声“喂？”就能准确地分辨出接电话的是爸妈或是...
人工智能：声纹相关基础概念介绍
IT技术分享社区
12-05 924
声纹其实可以指纹的用途类似都是为了区分出和其他人不同的特征。简单来说就是将某个人的声音可以和其他人区分开来的特征。
声纹识别概述（1）初识
Robin_Pi的博客
08-19 8669
声纹识别初识声纹声纹概念声纹识别的原理声纹识别的技术指标影响声纹识别水平的因素 初识声纹 声纹概念 声纹(Voiceprint)是用电声学仪器现实的携带言语信息的声波频谱， 是由波长频率以及强度等百余种特征维度组成的生物特征，具有稳定性、可测量性、唯一性等特点。 每个人的语音声学特征既有相对稳定性，又有变异性，不是一成不变的。这种变异可来自生理、病理、心理、模拟、伪装，也与环境干扰有关。 声纹识别的原理 人声差异的主要方面： 共鸣方式特征：咽腔共鸣、鼻腔共鸣和口腔共鸣 嗓音纯度特征：不同人的嗓音，纯度一般
MASR中文语音识别模型 aishell (179小时)
07-05
MASR中文语音识别模型 aishell (179小时)
Kaldi中aishell语料训练结果（kaldi_aishell_exp.txt）
07-22
包含mono、tri1、tri2、tri3a、tri4a、tri5a已训练好的mdl、fst等文件，不包含dnn训练结果
PPASR中文语音识别（入门级）模型（AISHELL数据集训练的）
03-14
PPASR中文语音识别（入门级）模型（AISHELL数据集训练的） 源码地址：https://github.com/yeyupiaoling/PPASR/tree/%E5%85%A5%E9%97%A8%E7%BA%A7
PPASR中文语音识别（进阶级）模型（aishell）
09-18
PPASR中文语音识别（进阶级）模型（aishell数据集训练的），源码地址：https://github.com/yeyupiaoling/PPASR/tree/%E8%BF%9B%E9%98%B6%E7%BA%A7
data_AI_shell中文语音数据集合1
08-14
data_AI_shell中文语音数据集合1
声纹识别原理、技术及应用
09-01
声纹识别原理、技术及应用 洪青阳副教授 厦门大学信息科学与技术学院
声纹技术（五）：声纹分割聚类技术
u013250861的博客
06-24 1472
声纹分割聚类（speaker diarization）是声纹领域里仅次于声纹识别的第二大课题，其难度远大于声纹识别。声纹识别所解决的问题可以简单概括为——“这是谁说的”，而这其中便包含了一个假设，那就是已知待识别的语音中，有且仅有一个说话人的声音。而在声纹分割聚类问题中，我们却推翻了这个假设，也就是说，一段语音中可以包含多个说话人交替说话的声音。因此，声纹分割聚类所解决的问题可以概括为——“谁在什么时间说的”（who spoke when）。英文中diarization 一词，来源于单词diary，也就是日
声纹识别（说话人识别）技术
06-09 1万+
说话人识别（Speaker Recognition，SR），又称声纹识别（Voiceprint Recognition,VPR），顾名思义，即通过声音来识别出来“谁在说话”，是根据语音信号中的说话人个性信息来识别说话人身份的一项生物特征识别技术。便于比较，语音识别（Automatic Speech Recognition，ASR）是通过声音识别出来“在说什么”。为了简便，后文统一称为VPR。 传统的VPR系统多是采用MFCC特征以及GMM模型框架，效果相当不错。后续也出现了基于i-vector，深度神经网
声纹识别_
TomCruisePro的博客
02-10 4453
声纹识别和语音识别的区别 1.两者在原理上一样，都是通过采集语音信息进行分析和处理，提取相应的特征或建立模型，然后做出判断 2.两者识别的目的：语音识别通过识别说话的内容转化为文字，而声纹识别则是要识别说话人的身份，是一种生物识别技术 3.声纹识别是通过语音波形反应说话人的生理和行为特征的语音参数，进而连接到声纹库，因此，声纹识别不注重语音信号的语义，而是从语音信号中提取个人声纹特征，挖掘出包含在语音信号中的个性因素。 文本相关 语音识别有文本相关和文本无关两种。 文本相关要求用户按照给定的内容发音，每个人
深度学习声纹识别_Milvus 实战｜生物多因子认证系列 (一）：声纹识别
weixin_31171307的博客
01-09 1480
| 什么是声纹识别声纹识别(又称说话人识别)是从说话人发出的语音信号中提取声纹信息，并对说话人进行身份验证的一种生物识别技术。简单来说，声纹识别技术可以“确认说话人是谁”。我们说话的时候，每个人的发音器官、发音通道和发音习惯上都有个体差异，声纹识别技术就是为了识别出说话人之间的这些差异。需要注意的是，声纹识别不同于常见的语音识别 [1]：语音识别：是共性识别，能听懂人的说话内容，即“你说了什么？”...
使用kaldi中的x-vector在aishell数据库上建立说话人识别系统
qq_27182145的博客
11-04 3337
使用kaldi中的x-vector在aishell数据库上建立说话人识别系统 写在前面 整个系统可以分为三个部分，第一，前端预处理部分，主要包括mfcc特征提取，VAD，数据扩充（增加混响、增加不同类型的噪声）等；第二，基于TDNN的特征提取器，该结构生成说话人表征，说话人表征也可以被称为embedding、x-vector；第三，后端处理，对于说话人表征，采用LDA进行降维并训练PLDA模型对测试对进行打分。 x-vector的论文发表在ICASSP 2018，kaldi的核心开发者Daniel Pove
Kaldi 说话人识别之aishell V1 模型（一）
阿鹏的摇滚小站
05-09 9138
一、数据准备 1、首先在根目录下建立路径：/export/a05/xna/data然后下载数据集。这里下载数据集要在run.sh前面加sudo命令，这是路径的缘故。下载数据集用到的脚本是local/download_and_untar.sh 需要下载两个数据文件：data_aishell 和 resource_aishell. 2、数据准备阶段运行脚本：local/aishell_data_...
使用deepspeech2写代码，用给定的aishell数据集进行语音识别模型搭建
最新发布
05-15
首先，你需要下载并准备好aishell数据集，可以从官网下载：http://www.openslr.org/33/。 然后，你需要安装deepSpeech2的依赖项，可以使用以下命令： ``` pip install tensorflow-gpu==1.15.2 pip install scipy librosa pandas pydub matplotlib ``` 接下来，你需要下载DeepSpeech2的源代码： ``` git clone https://github.com/SeanNaren/deepspeech.pytorch.git ``` 然后，你需要进入代码目录并下载KenLM语言模型： ``` cd deepspeech.pytorch/data/lm wget http://www.openslr.org/resources/11/3-gram.pruned.1e-7.arpa.gz gunzip 3-gram.pruned.1e-7.arpa.gz ``` 接下来，你需要将aishell数据集解压到指定的目录，并使用以下命令生成数据集的csv文件： ``` python deepspeech.pytorch/bin/import_aishell.py /path/to/aishell/data /path/to/output ``` 然后，你需要使用以下命令训练语音识别模型： ``` python deepspeech.pytorch/train.py --train-manifest /path/to/output/train.csv --val-manifest /path/to/output/dev.csv --cuda --epochs 50 ``` 训练完成后，你可以使用以下命令进行推理： ``` python deepspeech.pytorch/inference.py --model-path /path/to/model.pth --audio-path /path/to/audio.wav ``` 以上就是使用deepspeech2搭建语音识别模型的基本步骤，如果你想要更深入的了解，请参考deepSpeech2的官方文档。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值