这个博客就是把最具有代表性的资料记录下来,前提,我假设你知道啥是MFCC,啥是VAD,啥是CMVN了.说话人识别学习路径无非就是 GMM-UBM -> JFA -> Ivector-PLDA -> DNN embeddings -> E2E 首先 GMM-UBM, 最经典代表作: Speaker Verification Using Adapted Gaussia
由于每个人的声道、口腔和鼻腔(发音要用到的器官)也具有个体差异性。因为反映到声音上，也是具有差异性的。就比如说，当在接电话的时候，通过一声"喂"，就能准确的分辨出接电话的是谁，人耳作为身体的接收器生来就具有分辨声音的能力，那么也可以通过技术的手段，使声纹也可以向人脸、指纹那样作为“个人身份认证”的重要信息。识别性能好坏的关键在于对语音中身份信息的建模能力与区分能力，同时对于身份无关的其余信息具有充
转载
2024-01-02 10:21:16
63阅读
Arduino内带Bootloader程序，是系统上电后运行的第一段代码，它就像PC机BIOS中的程序，启动就进行自检，配置端口等，当然单片机就是靠烧写熔丝位来设定上电从boot区启动的，使用这个程序就可以直接把从串口发来的程序存放到flash区中。我们在使用Arduino编译环境下载程序时，就先让单片机复位，启动Bootloader程序引导串口发过来的程序顺利写入flash区中，flash可以重
上个月，我们发布了牛津计划机器学习的情感识别API，能够帮助不同平台的开发者轻松添加智能应用，而无需精通人工智能领域。牛津计划仅仅是微软在人工智能领域探索中的一个实例，而我们的期望是实现更加注重个人使用体验和更优性能的产品，逐渐实现它看、听、说、理解甚至是进行推论的性能。现在，声纹识别API和视频API已经公开预览，自定义识别智能服务（CRIS）可通过www.ProjectOxford.ai进行访
转载
2024-08-10 10:56:17
35阅读
微软说话人识别工具箱1 (MSR Identity Toolbox) 是由微软研究院开 源的声纹识别工具，使用 MATLAB 语言编写。主要包含了 GMM-UBM 和 I-Vector 两种声纹识别核心算法源代码以及说明文档，但是并不涉及特征提 取、语音端点检测 (Voice Activity Detection, VAD) 等内容，对于初学者 来说想要使用该工具箱训练
看了很多博文，包括《统计学习知识》和西瓜书上对GMM算法的推导，总有些重要的步骤被略去（比如从公式一推到公式二，书上直接给出结果，却没有具体步骤），导致理解整个算法非常困难。后来幸运地发现一篇博文，使用了对我而言易于理解的语言，重要把整个推导过程疏通成功，最后在纸上手推了一遍，真是酣畅淋漓！算法实现很简单，结构跟K-均值形似，参数的推导过程不用体现在代码上，直接根据推导出来的公式计算就
转载
2023-11-18 10:11:51
138阅读
近期上了付费的语音识别相关课程，算是第一次系统学习语音识别相关知识，关于GMM-HMM模型还是没有理解得很透彻，写出来捋一捋思路。 一.单音素GMM-HMM模型 图一
一段2秒的音频信号，经过【分帧-预加重-加窗-fft-mel滤波器组-DCT】，得到Fbank/MFCC特征作为输入信号，此处若以帧长为25ms，帧移为25ms为例，可以得到80帧的输入信号，这80帧特征序列就
转载
2024-06-24 21:19:48
83阅读
注：本文主要参考Andrew Ng的Lecture notes 8，并结合自己的理解和扩展完成。
GMM简介
GMM(Gaussian mixture model) 混合高斯模型在机器学习、计算机视觉等领域有着广泛的应用。其典型的应用有概率密度估计、背景建模、聚类等。
图1 GMM用于聚类 图2 GMM用于概率密度
背景Python进行商业开发时, 需要有一定的安全意识, 为了不被轻易的逆向还原. 混淆和加密就有所必要了.代码混淆是将程序中的代码以某种规则转换为难以阅读和理解的代码的一种行为。1. 混淆减少py文件的注释、对代码顺序进行重排：混淆力度不够设计规则编写脚本或者使用现成的混淆工具，将对应的变量、函数、文件名、类名等进行不同程度的无意义的字符串替换： 单个文件或许可行，整个项目处理起来问题较多，涉及
转载
2023-08-28 10:30:34
129阅读
1. 基础概念声纹(Voiceprint)，是用电声学仪器显示的携带言语信息的声波频谱。现代科学研究表明，声纹不仅具有特定性，而且有相对稳定性的特点。成年以后，人的声音可保持长期相对稳定不变。实验证明，无论讲话者是故意模仿他人声音和语气，还是耳语轻声讲话，即使模仿得惟妙惟肖，其声纹却始终不相同。2. 核心技术声纹识别的主要任务包括：语音信号处理、声纹特征提取、声纹建模、声纹比对、判别决策等。最关键
转载
2024-01-25 21:09:52
148阅读
声纹识别-2.GMM-UBM（高斯混合模型-通用背景模型）前言声纹识别-1.绪论中回顾了声纹识别的类别，性能评价指标和算法。本篇博文介绍声纹识别算法中较为传统的GMM-UBM（Gaussian Mixture Model-Universal Background Model）算法12。GMM-UBM算法需从GMM说起，因为UBM实际上也是GMM，之所以它叫通用背景模型是因为它是从背景数据（back
kaldi 声纹识别系统（2）代码解读：基于x-vector预备知识：常用术语文件脚本名称和文件夹名run.pl0. 流程控制：总成 run.sh0.1 通用流程0.2 基于 x-vector 的 run.sh （子流程控制）提取 mfcc 特征compute the energy-based VADapply CMVNcreate training examplesCompute the me
转载
2024-02-02 06:34:47
339阅读
| 什么是声纹识别声纹识别（又称说话人识别）是从说话人发出的语音信号中提取声纹信息，并对说话人进行身份验证的一种生物识别技术。简单来说，声纹识别技术可以“确认说话人是谁”。我们说话的时候，每个人的发音器官、发音通道和发音习惯上都有个体差异，声纹识别技术就是为了识别出说话人之间的这些差异。需要注意的是，声纹识别不同于常见的语音识别 [1]：语音识别：是共性识别，能听懂人的说话内容
转载
2024-01-15 07:54:49
179阅读
em算法和gmm算法 GMM is a really popular clustering method you should know as a data scientist. K-means clustering is also a part of GMM. GMM can overcome the limitation of k-means clustering. In this post
转载
2024-07-27 16:31:01
344阅读
# 如何用Python实现声纹识别
声纹识别是一种独特的生物特征识别技术，通过分析人的声音特征来识别身份。对于小白开发者来说，实施这个项目可能看起来有些复杂，但我们可以通过简单的步骤来完成。下面是整个项目的流程以及每一步需要做的任务。
## 流程概述
| 步骤 | 描述 |
|------|--------------------------|
| 1
原创
2024-10-17 12:05:33
678阅读
此版本为新版本，如想使用使用旧版本，请转到V1.0版本 ，本项目使用了EcapaTdnn模型实现的声纹识别，不排除以后会支持更多模型，同时本项目也支持了多种数据预处理方法，损失函数参考了人脸识别项目的做法PaddlePaddle-MobileFaceNets ,使用了ArcFace Loss，ArcFace loss：Additive Angular Margin
转载
2023-11-22 18:29:45
77阅读
智能家居 物联网 声纹开锁啥话不说，先上效果图： 前几天给客户做一个物联网的项目，完事后，自己觉得挺好玩，也花100多块钱买了一个8路的继电器模块，买了一个小锁头，我的初衷是要通过手机蓝牙信号控制锁头开关，继而打开房门，而手机蓝牙信号我想通过科大讯飞提供的语音api声纹识别来进行发送，综上所述，我就是要通过语音识别进自己的家门，而别人再怎么说都不会进得去。说干就干
转载
2024-04-22 12:33:53
43阅读
GMM算法
第一章引子假设放在你面前有5篮子鸡蛋，每个篮子有且仅有一种蛋，这些蛋表面上一模一样，就是每一种蛋涵盖有且只有一种维生素，分别是A、B、C、D、E。这个时候，你需要估计这五个篮子的鸡蛋的平均重量μ。 首先有个总的假设： 假设每一种维生素的鸡蛋的重量都服从高斯分布。 这个时候，因为每个篮子的鸡蛋包含有且只有一种，并且彼此之间相同的维生素，即每个篮子的鸡蛋都服从相同的分布，这个时候
转载
2023-08-31 10:07:46
249阅读
1.GMM高斯混合模型（Gaussian Mixture Model）,是一种业界广泛使用的聚类算法。K-means算法可以被视为高斯混合模型（GMM）的一种特殊形式。1.1.高斯分布高斯分布（Gaussian distribution）有时也被称为正态分布（normal distribution）。 概率密度函数公式如下：参数 μ 表示均值，参数 σ 表示标准差。1.2.高斯混合模型指包含多个高
本文所涉及的内容的先修知识：1、概率统计相关知识，统计机器学习；KL散度；信息熵；2、拉格朗日乘子法；3、KMeans聚类算法、混合高斯分布模型（GMM）和隐马尔可夫（HMM）模型。首先，EM算法的E是，Expectation，指的是期望；M代表的是Max。就如这个算法的名字本身所表现的那样，EM算法分两步走，E步骤和M步骤。在正式讲EM算法之前，我们先来考虑一个GMM的例子。现在我们有一堆数据样
转载
2023-12-05 04:07:45
90阅读
