在我的项目中，我使用的是名为 LIUM_SpkDiarization-4.7.jar 的库，但我不太确定它是如何工作的。有人可以解释一下吗？
另外，我将它与python一起使用。
图书馆的链接是：https ://voiceid.googlecode.com/svn-history/r11/trunk/scripts/LIUM_SpkDiarization-4.7.jar
提前致谢。
1 回答
2
我不知道这个工具。它看起来真的很酷。你查过他们的wiki吗？他们有一些关于系统如何工作的论文：http: //lium3.univ-lemans.fr/diarization/doku.php
基本上，他们计算 MFCC Mel 频率倒谱系数（标准技术）。这是基本步骤。它生成一个可以使用的特征空间。它类似于及时计算滑动窗口上的 FFT。最终，使用贝叶斯信息准则 (BIC) 方法对这些时间切片特征进行聚类。首先对基于时间的特征空间进行分割，然后进行聚类，并为每个说话人找到一致的特征。HMM、viterbi、EM，有时也可以使用 GMM。
我不太了解算法来详细解释它，但这也应该有帮助： http: //lium3.univ-lemans.fr/diarization/doku.php/overview
于 2014-01-10T13:41:38.670 回答