基于GMM的语音识别python实现

最新推荐文章于 2024-06-22 00:33:09 发布
最新推荐文章于 2024-06-22 00:33:09 发布
阅读量4k 收藏 34
点赞数 5
CC 4.0 BY-SA版权
分类专栏： 图像 文章标签： GMM 声纹识别 python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_27854685/article/details/84205637
该博客介绍了如何使用GMM进行声纹识别的Python实现，作为多媒体课程作业。作者录制3-5个人的语音样本，建立GMM模型，用于识别不同说话者。程序流程包括音频特征提取、GMM模型训练和打分比较。实验发现，GMM打分过程可能通过优化达到更快的速度，同时环境噪音和录音质量对识别准确性有很大影响。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

以下是github 库的README, 原理的话很多csdn大佬已经清楚了，这里只给出实现代码：

地址：GMM-miaogen

课程的多媒体作业，填坑

题目描述：

用录音宝录下3到5个人的谱音每一个，每个人10s到20s，建立GMM声纹识别模板，设置场景–声纹模板内的所有人交替讨论一个话题，大约2分钟，用GMM模型分割识别讲话人的身份。并统计时间。
思路：通过提取音频原本的语音特征形成一个集(聚类)以后，对后来的数据进行概率判断，类似于之前的大作业使用的annoy库中kmeans实现，kmeans利用的是距离，而GMM这里使用的是概率，前者中的K和GMM中Ncomponent也是类似的。

程序流程如下图所示：

程序结果：

result

USAGE:

在sapmle文件夹中放入样本文件，修改main 中的files对应的文件名和对应的name(上一行), 并且在文件夹下 放入被测试文件，修改beTestFile文件，就可以运行了

最低0.47元/天 解锁文章

200万优质内容无限畅学
Python语音基础操作--11.2基于GMM的说话人识别模型
sinat_18131557的博客
05-30 2915
高斯混合模型(Gaussian Mixture Model, GMM)可以看做一种状态数为1的连续分布隐马尔科夫模型。一个MMM阶混合高斯模型的概率密度函数是MMM个高斯概率密度函数加权求和得到的: P(X∣λ)=∑i=1Mwibi(X)P(X|\lambda)=\sum_{i=1}^Mw_ib_i(X)P(X∣λ)=i=1∑M​wi​bi​(X) 其中XXX是D维随机向量，为说话人识别算法提取的特征矢量，wiw_iwi​是混合权重，满足∑i=1Mwi=1\sum_{i=1}^Mw_i=1∑i=1M​wi​
python gmm em算法 2维数据_基于GMM-HMM的语音识别系统（1）
weixin_39883440的博客
11-19 594
近期上了付费的语音识别相关课程，算是第一次系统学习语音识别相关知识，关于GMM-HMM模型还是没有理解得很透彻，写出来捋一捋思路。 一.单音素GMM-HMM模型图一一段2秒的音频信号，经过【分帧-预加重-加窗-fft-mel滤波器组-DCT】，得到Fbank/MFCC特征作为输入信号，此处若以帧长为25ms，帧移为25ms为例，可以得到80帧的输入信号，这80帧特征序列就是观察序列 1.如何得到...
AI大语音（七）——基于GMM的0-9语音识别系统（深度解析）
aibigtruth的博客
08-27 2669
1 系统概要 孤立词识别：语音中只包含一个单词的英文识别 识别对象：0-9以及o的英文语音 训练数据：330句话，每个字符30句话，11个字符 测试数据：110句话，每个字符10句话，11个字符 模型：混合高斯模型（GMM），k=5个分量 环境：window、Pycharm、python3.5、utils、numpy、scipy 目标：单个字符的识别准确率大于97% 流程： 2 训练数据准备 本系统所用的数据为0-9（其中0的标签为Z（Zero））和o这11个字符的...
基于Python实现的GMM算法的语音数字识别
毕业作品网站
09-07 1280
具体来说，MFCC 特征提取算法首先进行预加重，然后对语音文件进行分帧，加窗，然后进行快速傅里叶变换，将它转换为频域上的能量分布来观察；在测试阶段，我们将每一个待分类样本输入至每一个 GMM，得到在该 GMM 下的对应评分，即该 GMM 对应数字的评分。基于数字语音数据集，编写代码，使用 GMM 算法完成语音识别，对输入的一段音频进行分类，输出语音中的数字，如“2”、“10”。在实际编写代码时，我们在 features.py 中编写了特征提取函数，返回每个数据样本的 13 维 MFCC 特征。
【SLP·Python】基于 DTW GMM HMM 三种方法实现的语音分类识别系统
Sherry_ling的博客
08-28 9163
前言 在孤立词语音识别(Isolated Word Speech Recognition) 中，DTW，GMM 和 HMM 是三种典型的方法： 动态时间规整(DTW, Dyanmic Time Warping) 高斯混合模型(GMM, Gaussian Mixed Model) 隐马尔可夫模型(HMM, Hidden Markov Model) 本文并不介绍这三种方法的基本原理，而是侧重于 Python 版代码的实现，针对一个具体的语音识别任务——10 digits recognition system
GMM语音识别_gmm语音识别_GMM语音_gmm语音_男女生声音识别_声音识别
09-10
标题中的"GMM语音识别"指的是高斯混合模型（Gaussian Mixture Model，简称GMM）在语音识别领域的应用。GMM是一种概率模型，常用于统计建模，特别是语音信号处理和计算机视觉等领域。在语音识别中，GMM被用来估计不同...
基于GMM的语音识别：实现男女生声音识别
最新发布
m0_57781768的博客
06-22 1363
高斯混合模型（Gaussian Mixture Model, GMM）是一种概率模型，通过加权组合多个高斯分布来描述数据的分布。GMM在聚类、模式识别和数据建模中具有广泛应用。使用训练好的GMM模型识别音频文件的声音性别。
GMM_Digital_Voice_Recognition：基于GMM与MFCC特征进行数字0-9的语音识别，GMM，MFCC，语音识别，中文数据，sklearn，数字语音识别
02-04
基于GMM与MFCC特征进行数字0-9的语音识别，GMM，MFCC，语音识别，中文数据，sklearn，scikit-learn，数字语音识别。 预安装 conda create -n GMM -c anaconda python=3.6 numpy pyaudio scipy #也可以使用pip ...
Python实现基于GMM的说话人识别模型【语音信号处理实战】.zip
04-17
这是一个在语音识别和生物特征认证领域广泛应用的技术。以下是对这个项目的详细解析： 首先，我们要理解语音信号的基本处理步骤。在Python中，我们可以使用librosa库来处理音频文件。librosa提供了一系列功能，如...
【语音识别】基于GMM-HMM的语音识别系统
nianmaoren2400的博客
07-29 1611
如题，这部分结合了这系列前面几章的知识，做了一个建议的语音识别系统。
gmm_声纹识别_mfcc+GMM_特征提取_MFCC_声纹_
10-03
实现声纹识别的特征提取功能，利用mfcc实现
UBM-GMM用于声纹识别
10-30
语音中的特征提取，源码来自github，不要用于商业用途，仅供学习。
gmm-hmm-asr:简单GMM和HMM模型的Python实现，用于隔离数字识别
05-23
用于隔离数字识别的简单GMM-HMM模型 简单的GMM和HMM模型的Python实现，用于隔离数字识别。 此实现包含3个模型： 单一高斯：使用具有对角协方差的单一高斯对每个数字进行建模。 高斯混合模型（GMM）：每个数字都是使用高斯混合模型来建模的，并通过扰动单个高斯模型进行初始化。 隐马尔可夫模型（HMM）：每个数字由包含N个状态的HMM建模，其中每个状态的发射概率是具有对角协方差的单个高斯分布。 免责声明：这是一个教育性的实现，预计不会有很高的性能。 安装 要安装使用： pip install git+https://github.com/desh2608/gmm-hmm-asr.git 要安装测试（用于开发）： git clone https://github.com/desh2608/gmm-hmm-asr.git cd gmm-hmm-asr && pip ins
GMM，HMM的语音识别，说话人识别源码
05-10
该压缩包中包含一个完整的语音识别程序，代码使用matlab实现，使用了经典的GMM，HMM模型。附件中还包含完整的说明文档，介绍了一些基本原理，和该源码的使用方法。是语音识别入门必读源码之一。该源码只需要很小的改动就可以用来做说话人识别。 ：}
基于MATLAB的语音识别GMM
12-28
用MATLAB编程的GMM模型，在语音识别中发挥很大作用，采用的方法为高斯混合模型
HMM 语音识别小例子--by python--孤立词识别
Grace_yan的博客
03-28 2860
找了半天，才找到一个，链接如下： 使用python建立HMM-GMM孤立词识别模型 里面有代码链接，还有hmmlearn的文档链接。还是再贴一下文档链接吧，便于自己查找。 hmmlearn文档 这个例子使用的训练和测试语音，好像是德语的1到10，不是德语也无所谓啦，反正就是某种语言的1到10. 这个官方文档里的小例子也很简单，专门贴出来解释一下： hmm小例子 首先我们要明白它要解决什么问题，是H...
基于pytorch语音识别_基于GMM-HMM的语音识别系统（2）
weixin_39520880的博客
01-15 670
接上一篇 基于GMM-HMM的语音识别系统（1） 二. 三音素GMM-HMM模型使用三音素建模之后，引入了新的问题：N个音素，则共有 个三音素，若N=100，则建模单元又太多了，每个音素有三个状态，每个状态对应的GMM参数，参数就太多了。数据稀疏问题，有的三音素数据量很少unseen data问题。有的三音素在训练数据没有出现，如K-K+K，但识别时却有可能出现，这时如何描述未被训练的三音素及其...
基于GMM—HMM的语音识别全过程
weixin_43284996的博客
10-16 2463
语音识别技术就是让机器通过识别与理解把语音信号转换为相应的文本或命令的技术。
GMM-HMM语音识别模型：原理与实现
JdkwOle的博客
09-21 723
GMM-HMM模型的原理基于隐马尔可夫模型的概念。GMM-HMM（高斯混合模型-隐马尔可夫模型）是一种常用的语音识别模型，它通过将语音信号建模为一系列隐含的状态，并使用高斯混合模型来对每个状态的概率分布进行建模，从而实现语音识别的功能。综上所述，GMM-HMM语音识别模型基于隐马尔可夫模型和高斯混合模型的原理，通过对语音信号的状态序列和高斯混合模型参数进行估计，实现了语音信号的识别。需要注意的是，上述代码只是一个简单的示例，实际的语音识别系统中，需要更复杂的模型和更大规模的数据集来实现更准确的识别效果。
基于GMM-HMM的孤立词语音识别系统
实现一个基于GMM-HMM的孤立词语音识别系统，通常需要以下几个步骤： 1. **数据预处理**：包括读取音频文件、进行预加重、分割成帧、窗函数处理和特征提取（如梅尔频率倒谱系数（MFCC））。 2. **训练模型**：使用...
评论 5
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值