哪个特征、算法对说话人验证有好处
Which feature, algorithm is good for Speaker Verification
我有一项任务是说话人验证。
我的任务是计算两个音频语音之间的相似度，然后与阈值进行比较。
例如：两个音频之间的相似度得分为 70%，阈值为 50%。因此说话者是同一个人。
语音文本无关，可以是任何对话。
我有使用MFCC、GMM做说话人识别任务的实验，但这个任务是不同的，只是比较两个音频特征来获得相似度分数。我不知道哪个特征适合说话人验证，哪个算法可以帮助我计算 2 个模式之间的相似度分数。
希望得到大家的指点，
非常感谢。
最近最先进的是 xvectors:
Deep Neural Network Embeddings for Text-Independent Speaker Verification
Kaldi 中的实现是 here。
我也在研究用于说话人验证的 TIMIT 数据集。我已经提取了 mfcc 特征并为此训练了一个 UBM，并针对每个 speaker.When 进行了适应，我使用了对角矩阵。
您如何测试 wav 文件？但是，当涉及到功能时，您可以使用间距和能量。
我有一项任务是说话人验证。
我的任务是计算两个音频语音之间的相似度，然后与阈值进行比较。 例如：两个音频之间的相似度得分为 70%，阈值为 50%。因此说话者是同一个人。
语音文本无关，可以是任何对话。
我有使用MFCC、GMM做说话人识别任务的实验，但这个任务是不同的，只是比较两个音频特征来获得相似度分数。我不知道哪个特征适合说话人验证，哪个算法可以帮助我计算 2 个模式之间的相似度分数。
希望得到大家的指点，
非常感谢。
最近最先进的是 xvectors:
Deep Neural Network Embeddings for Text-Independent Speaker Verification
Kaldi 中的实现是 here。
我也在研究用于说话人验证的 TIMIT 数据集。我已经提取了 mfcc 特征并为此训练了一个 UBM，并针对每个 speaker.When 进行了适应，我使用了对角矩阵。 您如何测试 wav 文件？但是，当涉及到功能时，您可以使用间距和能量。