基于Python的说话人识别系统

我正在尝试使用Python制作一个说话人识别系统（不是语音而是说话人）。我提取了列车音频文件和测试音频文件的

mfcc

特征，并为每个文件制作了

gmm

模型。我不知道如何比较模型来计算相似性分数，根据该分数我可以对系统进行编程以验证测试音频。我挣扎了4天才完成这件事。如果有人能帮忙，我会很高兴的。

从问题中我可以理解，您描述的是 我已经找到了一个解决你问题的方法，使用改进的迭代维纳滤波器和多层感知器神经网络，可以将扬声器分成不同的通道

有趣的是，鸡尾酒会问题可以在ocative中的一行中解决：

[W，s，v]=svd（（repmat（sum（x*x，1），size（x，1），1）。*x*x'）


你可以在
上阅读更多关于它的信息。请提供更多细节并展示你的努力（如果有）。我将获取3个音频文件来模拟一个训练集（.gmm），然后再获取一个音频片段（测试片段），将其与训练模型进行比较，以计算可能的相似重复