CMU Sfinge per riconoscimento vocale/altoparlante

Question

Sto cercando un modo per abbinare un set di dati conosciuto, diciamo un elenco di MP3 o file wav, ognuno dei quali è un esempio di qualcuno che parla. A questo punto so che il file ABC è di persona X che parla.

Vorrei quindi fare un altro esempio e fare un po 'di abbinamento vocale per mostrare a chi è più probabile questa voce, data la serie di dati conosciuta.

Inoltre, non mi interessa necessariamente ciò che la persona ha detto, finché riesco a trovare una corrispondenza, cioè non ho bisogno di alcuna trascrizione o altro.

Sono consapevole che la Sphinx CMU non esegue il riconoscimento vocale, ed è principalmente utilizzata per la voce in testo, ma ho visto altri sistemi, ad esempio: Diatizzazione dell'altoparlante LIUM (http: //cmusphinx.sourceforge. net/wiki/speakerdiarization) o il progetto VoiceID (https://code.google.com/p/voiceid/) che usa CMU come base per questo tipo di lavoro.

Se devo utilizzare la CMU, come posso eseguire la corrispondenza vocale?

Inoltre, se CMU Sphinx non è la migliore struttura, c'è un altro che è open source?

Answer 1

Questo è un argomento che sarebbe adeguato in complessità per una tesi di dottorato. Non ci sono sistemi validi e affidabili al momento.

L'attività per cui sei impegnato è molto complessa. Come dovresti avvicinarti dipende dalla tua situazione.

• hai un numero limitato di persone? quanti?
• quanti dati hai per ogni persona?

Se avete pochissime persone per riconoscere, si può tentare qualcosa di semplice come ottenere formants di quelle persone e confrontandoli con un campione.

In caso contrario, è necessario contattare alcuni docenti universitari che lavorano sull'argomento o sul banco della giuria come se fossero una soluzione. In ogni caso, come ho detto, è un problema difficile.