说话人识别voicebox

为了使说话人识别系统在语音较短和存在噪声的环境下也具有较高的识别率, 基于矢量量化识别算法, 对提取的特征参数进行研究。把小波变换与美尔频率倒谱系数(MFCC )的提取相结合, 并将改进后的特征与谱质

说话人确认属于说话人识别(Speakerrecognition)中的一个子任务。根据任务目标不同,说话人识别可以分为说话人确认(SpeakerVerification)和说话人辨认(SpeakerId

端点检测-预加重-fourier变换定义-取成一维语音数据-MFCC神经网络部分-

一篇基于共性特征选择的短时说话人识别方法，利用说话人语音数据得到高斯混合模型，提取说话人之间的公共重叠部分，建立共性重叠模型和非重叠模型，根据这2个模型完成测试语音特征的选择。

语音信号处理实验教程配套matlab代码，GMM。可以实现基本的训练和识别。

作为说话人识别特征参量的MFCC的提取过程，Mel频率倒谱系数（MFCC）是语音信号的频域参数，它是一种基于人耳对语音频率的非线形感知特征的描述

govpr是golang实现的基于GMM-UBM说话人识别引擎(声纹识别),可用于语音验证,身份识别的场景.目前暂时仅支持汉语数字的语音,语音格式为wav格式(比特率16000,16bits,单声道)

基于MFCC和加权矢量量化的说话人识别系统-基于MFCC和加权矢量量化的说话人识别系.rarreplyreload=','6863;基于MFCC和加权矢量量化的说话人识别系统游客，如果您要查看本帖隐藏

SHoUTisaDutchacronymfor:'SpeechRecognitionResearchattheUniversityofTwente'.Ithinkthatthetoolkitisnow

基于高斯混合模型（GMM）的说话人识别系统，MATLAB语音识别代码，机器学习GMM模型。在说话人识别中，不同说话人的差异主要表现在其短时语音谱的差异，而这又可以用每个说话人的短时谱特征矢量所具有的概