Speech recognition 如何度量语音文件的相似性

我有两个语音文件。每个文件都是从电话通话中录制的，长度不同（第一个文件长3秒，第二个文件长5秒）。我想测量两个文件的相似性。请注意，我对语音信号中的文本内容不感兴趣（即没有语音到文本）。我只需要测量相似性，然后得到分数或百分比

---

我发现很少有工具可以进行音频指纹分析，但我发现几乎所有的工具都是针对音乐音频文件的，在其语音时表现不好。

音频指纹不应该用于查找相似性，当您有完全相同的音频或音频片段时，应该使用音频指纹

---

您可能需要收集一组特征，如Mel频率倒谱系数（MFFC），并使用一种分类方法，如HNN，来告诉您相似性（艰苦工作）lol

亲爱的Nikolay，您能回答吗。感谢您添加此评论。希望得到您的指导。