audio - CMU Sphinx用于语音/说话者识别

我正在寻找一种匹配已知数据集的方法，比如说一个MP3或WAV文件列表，每个列表都是某人讲话的样本。在这一点上，我知道文件ABC是X说话的。

然后，我想再进行一次采样，并进行语音匹配，以根据给定的已知数据集显示此语音最有可能是谁。

另外，只要找到匹配项，我就不必在乎对方说了什么，也就是说，我不需要任何抄写或其他方式。

我知道CMU Sphinx不会进行语音识别，它主要用于语音到文本，但是我看到了其他系统，例如:LIUM Speaker Diarization(LIUM Speaker Diarization(http://cmusphinx.sourceforge.net/wiki/Speakerdiarization)或使用CMU作为此类工作基础的VoiceID项目(https://code.google.com/p/voiceid/)。

如果要使用CMU，如何进行语音匹配？

另外，如果CMU Sphinx不是最好的框架，是否有开源的替代方案？

最佳答案

对于博士学位论文而言，这是一个足够复杂的主题。到目前为止，还没有好的和可靠的系统。

您要完成的任务非常复杂。您应该如何处理它取决于您的情况。

您的人数有限吗？多少？

每个人有多少数据？

如果您只有的人很少可以识别，则可以尝试一些简单的操作，例如获取这些人的formants并将其与样本进行比较。

否则，您必须联系一些从事该主题研究的学者，或者由陪审团提出自己的解决方案。正如我所说，无论哪种方式，这都是一个难题。