说话人验证

这是一个提供了基于高斯混合模型的说话人识别和验证系统的资源下载，包含了MATLAB算法和工具源码。适用于毕业设计和课程设计作业，所有源码经过严格测试，可直接运行。如有任何使用问题，请随时与我们联系，我们将第一时间进行解答。

为准备NIST SRE14 i-vector挑战的官方数据，创建./data和./temp目录。包括development_data_labels.csv、dev_ivectors.csv、ivec14_sre_segment_key_release.tsv、ivec14_sre_trial_key_release.tsv、model_ivectors.csv和target_speaker_peak。执行./python/sre14_preprocess.py生成./temp/sre14.mat。然后运行./matlab/gplda_demo.m，输出开发数据集EER为2.347、2.456，评估结果为2.307。

提取MFCC参数，并应用DTW技术进行说话人识别，以实现优异的识别效果。

这是在Matlab环境下利用高斯混合模型（GMM）进行说话人识别的源程序。训练模型已固定，可稳定运行并生成结果。分享给大家，希望能够帮助到需要的人。

这是一个完整的Matlab程序，利用高斯混合模型（GMM）实现说话人识别功能，识别率高达95%以上。

职能：选择图像序列并读取，将选定的图像序列添加到数据库，用于训练数据库信息。步态识别功能处理输入图像序列并从当前目录中删除数据库。

更新至2020年4月14日的VAD函数MATLAB代码。我注意到VoxSRC 2020已经启动。这个存储库可以作为挑战的基准。使用ResNet-18 + softmax在大约5900个说话者训练集上测试，Vox1测试集上获得1.8%的EER，这是一个不错的结果。尝试使用AMSoftmax损失，探索更深层次的网络，引入新的融合方法（如自注意力），并实现高级结构（如挤压和激励）。希望能取得更好的结果。享受训练的乐趣:-)更新至2019年11月19日，添加了多GPU训练配置文件选项。更多详细信息，请参考示例，例如egs/voxceleb/v3/run.sh。增加了一个标准的VoxCeleb示例，使用官方培训列表，包括VoxCeleb2开发集。添加了一个简单的ResNet + softmax示例，该示例在VoxCeleb1测试集中达到1.8%的EER。由于我们使用数据并行处理，因此每步的数据和梯度都会分布在多个GPU之间。

该存储库包含在TIMIT数据库上使用深度神经网络进行自动说话人识别实验的Matlab代码。其中，我们添加了Microsoft工具箱（MST身份）的基线GMM-UBM实现。对于DNN，我们在Matlab中实现了几种初始化方案，如规范化初始化、随机游走init等，并探索了多种学习速率方法，如sgd-cm、ada-delta和adam。所有代码均基于GPU加速。

使用我们已经发送数据的算法。

这个精选库收集了各种使用Crystal语言编写的代码和资源。欢迎贡献和提供反馈。以下是内容概述： 算法和数据结构 区块链 C绑定 API构建器