kaldi中改写sre10/v1用timit dataset做说话人识别总结

最新推荐文章于 2024-05-19 23:35:29 发布
最新推荐文章于 2024-05-19 23:35:29 发布
阅读量1.2w 收藏 40
点赞数 7
分类专栏： sre 文章标签： sre10 kaldi
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/zjm750617105/article/details/52421814
版权

首先非常感谢david-ryan-snyder 提供的帮助，非常耐心的给出问题的解答。
经过一个周的调试修改，终于在timit数据集上跑通了sre10中的v1 demo, 特来总结一下，重新理顺一下思路，把其中的各个步骤的算法大体的捋一遍。
最重要的还是数据准备阶段，由于没有原始的数据，整个过程进行的比较困难，花了差不多一个周的时间来各种改，之前第一次跑wsj那个demo的时候才花了不到一个周，现在对kaldi还算比较熟悉，对数据处理的脚本也都写出来了，只需要稍微改一下就好，总之还是对说话人识别的技术不太了解. 回归正题，我们看到sre10/v1的run.sh中有四个data set: sre train sre10_train sre10_test. 根据后边的的script我们可以得知这四个集合的数据集有哪些以及分别的作用是什么：
一、 SRE:
SRE2004 LDC2006S44
SRE2005 Train LDC2011S01
SRE2005 Test LDC2011S04
SRE2006 Train LDC2011S09
SRE2006 Test 1 LDC2011S10
SRE2006 Test 2 LDC2012S01
SRE2008 Train LDC2011S05
SRE2008 Test LDC2011S08
1. prepare sre data: local/make_sre.sh data
2. make mfcc features: steps/make_mfcc.sh –mfcc-config conf/mfcc.conf –nj 40 –cmd “ traincmd"data/sreexp/makemfcc  mfccdir
3. computer VAD sid/compute_vad_decision.sh –nj 40 –cmd “

最低0.47元/天 解锁文章
jinmingz
关注
  • 7
    点赞
  • 踩
  • 40
    收藏
    觉得还不错? 一键收藏
  • 14
    评论
专栏目录
语音识别数据集-TIMIT数据集-中文超详细解析
CJJ的博客
06-09 1万+
TIMIT数据集 前言 该文章会详细介绍TIMIT数据集的文件组成、内部文件格式以及如何使用TIMIT数据集。同时还会介绍TIMIT是如何组织数据以及划分训练集与测试集的，可以为今后自己构建数据集提供一种思路。 关键词：TIMIT数据集、语音识别、音素、人工音频标签； 文件 基本信息 大小：约650MB 创建时间：1986年1月至5月 组织形式 /语料库/用处/方言地区/性别+说话者ID/句子...
说话人识别完整源码（matlab实现）
11-30
这个说话人识别代码中包含两个例子，都已经实现。读者需按照里面pdf进行仿真。
python实现说话人识别实验与开发
01-11
Auto Speaker Recognition main.py the main file for test audio_record.py record audio from micro phone count_days.py count days between two date. 20110805 20160903 mfcc_feature.py extract mfcc feature from wav files SGD.model* the trained model on train set , and the accurate is 70% util.py contains the most useful functions train train data is 75% of all the data test test data is 25% of all the data and has no overlap with train set classification_SGD.py is the main classification function py file , and it used the sklearn's SGD niter was set 10000 could get 70% of accurate. classification_BNB.py this is the sklern naive_bayes BernoulliNB , and it reach to just 56% classification_DT.py this is the sklern tree.DecisionTreeClassifier , and it reach to just 63% classification_GB.py this is the sklern GradientBoostingClassifier, and it reach to the best now of 76% when n_estimators=1000, but it produce too many model components to store. classification_GNB.py this is the sklern naive_bayes GaussianNB, and it reach to just 63% vote_result.py add a vote decsion , every method have the acurrcy number ticiks to vote the final answer. after the vote , we achived 96% at test set. beta1.0
Switchboard-2 数据集介绍，官网编号LDC98S75、LDC99S79、LDC2002S06
最新发布
2301_78524903的博客
05-19 350
其中：LDC98S75:Switchboard-2 Phase I、LDC99S79:Switchboard-2 Phase II、LDC2002S06:Switchboard-2 Phase III Audio。是语音识别领域中常用的数据集之一，它是Switchboard-1的扩展版本，包含更多的电话对话数据。方法2：关注公众号，回复Switchboard-2。
TIMIT数据集
08-06
This is a part of TIMIT dataset since I can only upload files under 220MB. Hope you guys enjoy
Kaldi sre10, sre16 数据格式
robingao1994的博客
11-07 4014
做个记录, 给大多数跑脚本但是又没有官方数据的朋友一起交流讨论: 引用自己在知乎的回答: 跑kaldi的脚本到最后都是得用自己的数据去训练去测试的, kaldi只需要三个文件utt2spk, spk2utt和wav.scp. 具体的你其实可以看看他们做数据的perl脚本, 我个人是用python写一个脚本把数据集变成kaldi可读的格式的, 我代码弱智水平都能做,相信大牛的你们也没问题的....
kaldi语音识别资料.rar_kaldi_kaldi pdf 0.7_kaldi资料_语音识别
07-13
基于kaldi的语音识别小系统搭建以及kaldi的全部资料
基于Kaldi+GStreamer搭建线上的实时语音识别器
01-06
一、安装python2.7和Tornado 4，ws4py, YAML,JSON等依赖包 1、sudo pip2 install tornado==4.3（4.0版本不行） 2、sudo pip2 install ws4py==0.3.2 3、sudo pip2 install pyyaml 4、sudo pip2 install ...
chinese-doc-of-kaldi.zip_C/C++_
08-09
《Kaldi技术文档中文版》是C/C++编程领域中一份重要的资源，主要涉及语音识别和处理技术。Kaldi是一个开源的、用C++编写的工具包，专为自动语音识别（Automatic Speech Recognition, ASR）研究和开发设计。这份文档...
vad函数matlab代码-tf-kaldi-speaker:基于Kaldi和Tensorflow的神经说话人识别/验证系统
05-20
tf-kaldi-speaker使用和实现了基于神经网络的说话者验证系统。 主要思想是，可以使用Kaldi进行预处理和后期处理，而TF是构建神经网络的更好选择。 与Kaldi nnet3相比，使用TF进行网络修改（例如，增加注意力，使用...
Kaldi语音识别实验讲义（全）University of Edinburgh
01-14
We will begin by creating and exploring a data directory for the TIMIT dataset. Then we will extract features for TIMIT upon which we can train a complete speech recognition system in the coming labs...
Kaldi中 声纹识别的流程图
robingao1994的博客
05-15 9970
总结了一波Kaldi中声纹识别的流程和所用的可执行文件,.把可执行文件当作一个库来用,自己来仿照这sre08,sre10,或者aishell的run.sh用自己的数据来完成自己的声纹识别系统就好.自己还在研究,但是说几个我认为比较关键的地方:1.gmm-gselect : 对每帧选择能取得最高likelihood的前n个分量, 其他的分量忽略. 返回的是这些分量的索引,后面计算的时候对于每帧只用这...
kaldi中的声纹识别
yutouwd的博客
01-26 7180
kaldi中的声纹识别 文章目录kaldi中的声纹识别kaldi的安装运行aishell例程使用TIMIT数据库进行声纹识别       前段时间一直到在使用kaldi来做声纹识别，算是可以把整个i-vector
Kaldi语音识别技术
IT菜鸟
10-22 2635
Kaldi是当前最流行的开源语音识别工具（Toolkit），旨在提供灵活且可扩展的组件，包括多种语音信号处理，语音识别，声纹识别和深度神经网络。Kaldi使用WFST来实现解码算法，主要由C++编写，在此之上使用bash和Python脚本做了一些工具。而实时识别系统的好坏，取决于语音识别的性能，语音识别包含“特征提取、声学模型、语言模型、解码器”等部分。Kaldi工具箱集成了几乎所有搭建语音识别器需要用到的工具。Kaldi支持GPU进行训练。
kaldi数据准备（二）
sun___shy的博客
10-10 1172
local/prepare_data.sh 创建data/train, data/test, (data/dev可选)，每个文件里面必须包含text, wav.scp, utt2spk, spk2utt for x in train_yesno test_yesno; do cat data/$x/text | awk '{printf("%s global\n", $1);}'...
kaldi跑timit的注意事项
zjm750617105的专栏
06-14 2279
今天用kaldi跑了一天调了一天，真是累屎鸟，遇到各种问题，每一个问题都自己找好久，还好有几位大神相助，非常感谢， 下面总结一下： 1、首先要改数据集的路径，这个是必须的 2、irstlm 的错误问题，然后注意把extras下面的env.sh的关于irstlm的环境变量写到 tools 下面的env.sh, 因为path.sh是source的tools下面的环境env.sh 3、关于单机跑t
kaldi或者eesen中错误：ERROR (compute-fbank-feats:Read():wave-reader.cc:198
zjm750617105的专栏
07-31 3013
今天跑eesen自己的数据，好不容易调了一晚上把数据准备搞好了，然后在提取特征的时候报了一个数据格式的错误： WARNING (compute-fbank-feats:Read():feat/wave-reader.h:149) Exception caught in WaveHolder object (reading). WARNING (compute-fbank-feats
深度学习声纹识别_kaldi/语音识别ASR/声纹识别SRE/资源汇总
weixin_39732534的博客
01-09 388
化按时间顺序降序排列，最新内容在最上面最下方有一些我通过各方渠道偶然得知的技术交流qq群，感兴趣可以加入刘斌总结的学习资源，中科院自动化所博士生，研究方向为鲁棒性声学建模。【语音识别】从入门到精通--最全干货大合集！ - TinyMind -专注人工智能的技术社区【语音识别】从入门到精通--最全干货大合集！ - TinyMind -专注人工智能的技术社区​www.tinymind.cnht-pld...
kaldi/egs/voxceleb/v2 kaldi/egs/voxceleb/v2 kaldi/egs/voxceleb/v2 kaldi/egs/voxceleb/v2 kaldi/egs/voxceleb/v2 kaldi/egs/voxceleb/v2 X-vector
11-23
Kaldi是一个语音信号处理工具包，用于语音识别和语音处理任务。而egs/voxceleb/v2是Kaldi中用于说话人识别任务的一个示例。该示例使用了X-vector模型，该模型是一种基于深度学习的说话人识别模型，可以用于说话人验证、说话人识别等任务。该示例包含了数据准备、特征提取、模型训练和评估等步骤，可以帮助用户快速上手使用X-vector模型进行说话人识别任务。 以下是使用Kaldi/egs/voxceleb/v2进行说话人识别任务的一些步骤： 1. 数据准备：使用local/make_voxceleb1.pl脚本将VoxCeleb1数据集转换为Kaldi格式，并生成相应的数据列表和标签文件。 2. 特征提取：使用steps/make_mfcc.sh脚本提取MFCC特征，并使用sid/compute_vad_decision.sh脚本进行语音活动检测。 3. 模型训练：使用sid/nnet3/xvector/train.sh脚本进行X-vector模型的训练。该脚本使用了TDNN（Time Delay Neural Network）结构，并使用了对抗性训练（Adversarial Training）和数据增强（Data Augmentation）等技术来提高模型的鲁棒性和泛化能力。 4. 模型评估：使用sid/nnet3/xvector/extract_xvectors.sh脚本提取测试集的X-vector表示，并使用sid/nnet3/xvector/score.sh脚本计算说话人之间的相似度得分。该脚本使用了PLDA（Probabilistic Linear Discriminant Analysis）模型来建模说话人之间的相似度得分。
评论 14
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