基于GMM的说话人识别模型(matlab)

通过机器学习来解决说话人识别这一难题是当前的一个趋势。而GMM模型(高斯混合模型)在说话人识别领域很常用。标题有点大了,其实这只是一个框架模型。既然是框架模型,说明还要很多地方可以进一步的完善。虽然是个框架模型,但是其识别率也是可以达到70-80%左右。

%% 初始化
GMM_com = 16;

training_count = 6;	% 训练数据集类别数,有几个人就是几类
testing_count = 36;	% 测试数据个数,至少录36段录音
wavdir = '/tmp/voice_test';	% 这是放数据的文件路径,如果提示文件无法打开,改用绝对路径

mu_train = zeros(training_count, 12, GMM_com);
sigma_train = zeros(training_count, 12, GMM_com);
c_train = zeros(training_count, GMM_com, 1);

%% 训练过程
% 在<wavdir>/training/下为每个人建立一个文件夹,名称按数字顺序。
% 每个文件夹里是对应那个人的两段训练数据,分别命名为1.wav和2.wav。
for n = 1 : training_count
    twavdir = [wavdir, '/training/' num2str(n), '/1.wav'];
    twavdir2 = [wavdir, '/training/' num2str(n), '/2.wav'];
    [train_d
  • 2
    点赞
  • 32
    收藏
    觉得还不错? 一键收藏
  • 15
    评论
评论 15
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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