python声纹识别_声纹识别算法、资源与应用（二）

《声纹识别·资源篇》

1. Kaldi

最流行的语音技术研究平台，没有之一。代码运行鲁棒性强、架构良好，便于算法修改、定制。如果你是高校科研人员，工程实现能力有限，那么没关系，你只要懂点Shell、Python或Perl脚本，即可顺利开展实验。

如果你是工业界人士，完全可直接拿来商用，KALDI遵循Apache licence。

如果你是自由开发者，完全可以基于KALDI做一些开发，为企业提供语音服务。表1. kaldi中相关的Speaker Verification recipe

2. TensorFlow-based Deep Speaker

实现ResNet网络上的TE2E(Tuple-base end-to-end)Loss function训练方式。安装TensorFlow、Python3和FFMPEG(文件格式转换工具)后，准备好数据，即可一键训练。只可惜验证部分还没做，而且GRU没实现、tensor实现部分也不严谨，可详细阅读代码和论文，并贡献下您的代码。

3. PyTorch-based Deep Speaker

基于百度论文[1]，实现了ResNet + Triplet Loss。不过在 牛津大学的Voxceleb库上，EER比论文[2]所宣称的(7.8%)要高不少，看来实现还是有改进空间。Owner在求助了，大家帮帮忙contribute。

4. TristouNet from pyannote-audio

一个音频处理工具箱，包括Speech change detection, feature extraction, speaker embedd