i-vector工具箱
5星
- 浏览量: 0
- 大小:None
- 文件类型：None
简介：
i-vector工具箱是一款用于语音和说话人识别研究的软件包，提供了一系列算法来提取能够表征语音特征的i-vector。
介绍了一个用于身份验证的GMM-UBM（高斯混合模型通用背景模型）及i-vector方法的Matlab代码包。
该代码包包括两个主要部分：一个是基于GMM-UBM的方法，另一个是更先进的i-vector技术。这两个过程都涉及训练、适配或提取特征向量，并使用这些信息来验证和识别说话人身份的过程。以下是每个步骤的具体描述：
### GMM-UBM Demo
1. **创建通用背景模型（UBM）**：从所有训练数据中生成一个包含一定数量混合成分的GMM。
2. **适配个体模型**：将UBM映射到每位发言人的具体特征上，形成个性化的GMM模型。
3. **计算验证分数**：利用步骤2中的个性化模型和测试数据集来评估匹配度，产生每个说话人之间的对比评分矩阵。
4. **性能测量**：通过混淆矩阵或EER（等错误率）这样的指标来衡量系统的表现。
### i-vector Demo
1. **UBM训练**：与GMM-UBM方法类似，首先从所有背景数据中生成一个通用模型。
2. **学习总变化子空间和提取开发集i向量**：
- 计算用于iVector建模的统计信息，并通过这些信息构建整个说话人数据库中的总体可变性（Total Variability）空间。
- 使用训练好的UBM及TV空间对每个发言人的数据进行处理，获得相应的i向量表示形式。
3. **PLDA模型训练**：应用线性判别分析(LDA)来减少特征维度，并利用开发集的i向量信息构建一个高斯PLDA（Probability Linear Discriminant Analysis）模型。
4. **生成测试和验证数据的得分矩阵**：
- 使用步骤2中获得的平均IVs作为模型，同时计算所有可能对比情况下的分数。
5. **性能评估**：使用混淆矩阵或EER来衡量系统的准确性。
这些脚本提供了从基础训练到最终识别过程中的全面指导，并展示了如何在人工生成的数据集上实现和测试这两种技术。
全部评论 (0)
