Pytorch-TIMIT说话人识别代码-Sincnet网络 简洁版本（适合黑白盒攻击使用）

Pytorch-TIMIT说话人识别

先上链接：
码云（包括代码和模型以及测试数据）：https://gitee.com/djc_QRICK/timit-pytorch

简化

删掉了很多乱七八糟的东西，剩下的就是非常纯净的代码和模型
整个代码的功能仅仅包括模型的输入和预测，以及预先训练的模型

• 模型采用Sincnet
• 数据集采用TIMIT
• 整体上来说这是个CSI系统也就是闭集的说话人识别
• 适合想做黑白盒攻击的朋友们使用
• 基于pytorch1.6 最好有cuda，没有cuda需要微调代码（影响不大）

效果图

• TIMIT数据集中一共462个人
• 输出的向量是一个462维度的结构，代表了462个人的概率

代码结构解释

文件结构

结构如下：

1. DR1是我放着用来存放测试用例的文件，里面包含了两个人说的各种话
2. prefile包括了配置文件cfg，以及预训练模的模型pkl
3. 还有包括了根据说话人得到index的文件speaker_label.plk以及根据 index得到说话人的文件TIMIT_labels.npy
4. 我在Sincnet.py中写了如何通过label获得人名以及更加人名获得label
5. 注意虽然文件中的人名是大写，但是plk以及npy文件中的人名是小写
   代码如下

#更具人名获得标签  index
#注意：标签里面都是小写的所以输入的时候要把大写的人变成小写
def get_label_by_name(speaker_name,filename='prefile/speaker_label.plk'):
    with open(filename,'rb')as f:
        data=pickle.load(f)
    return data[speaker_name]

#根据标签获得人名，获得的人名也是小写的
def get_name_by_label(label_index,filename="prefile/TIMIT_labels.npy"):
    data=np.load(filename,allow_pickle=True).item()
    for (k,v) in data.items():
        if v==label_index:
            return k.split('/')[2]
    return None

代码展示

下载好了直接运行Sincnet.py文件就行了