Speaker Recognition 多伦多大学ECE446 感官传播课程的最终项目

概述

在多伦多大学的ECE446 - 感官传播课程的最终项目中，我们设计了一个基于高斯混合模型 (GMM) 的说话人识别系统。该系统借助 Scikit-Learn 库，并使用了 西比麻木数据库。有关GMM模型的详细背景和实际应用可以参考 高斯混合模型说话人识别 和 基于高斯混合模型的说话人识别。

在项目初期，我们需要为每个用户建立一个数据库。用户的语音样本会被录制并保存为 ./Database// .wav 文件，其中 是每个用户的名称。更丰富的语音样本可以提高识别的准确性，且这些样本与文本无关，即用户可以说任何话，系统仍然能够正常工作。更多关于项目的技术细节，可以查阅 基于高斯混合模型GMM的说话人识别实验.zip 文件。

运行文件

要识别用户的语音，运行 extract.py 文件。该文件会使用存放在 ./Test/ 目录中的文件进行识别操作，并在程序运行时显示相应的结果输出。对于项目的进一步研究和代码细节，可参考 基于高斯混合模型的说话人识别系统的研究。

改进建议

尽管此项目展示了GMM在说话人识别中的有效性，但代码组织尚不完善，建议在未来有时间时对其进行优化。这将有助于提升系统的稳定性和易用性。如果您对GMM模型的深入优化感兴趣，可以参考 基于matlab上实现高斯混合模型说话人识别技术报告 以获取更多灵感和技术支持。