壹鸽科技说话人实时性别检测技术

壹鸽科技已经开发了一种低复杂度（纯时域计算）、强抗噪的可固化在发送语音数据端侧（如语音端点检测VAD模块）上的实时说话人性别检测技术，并在四种语料上进行了测试。

测试结果如下：

1）基于AISHELL-1数据集进行测试

男声文件：8448

查准率：0.949362293 

查全率：0.916717473

女声文件：11460 

查准率：0.941186601 

查全率：0.964610361

---

2）基于aidatatang_200zh数据集进行测试

男声文件：113830 

查准率：0.952785797 

查全率：0.95279695

女声文件：123823 

查准率：0.948431774 

查全率：0.956799199

---

3）基于Mozilla Common Voice zh-TW数据集进行测试

男声文件：15247 

查准率：0.930821332 

查全率：0.934261765

女声文件：14192 

查准率：0.92927141 

查全率：0.925590607

---

4）基于实际电话信道语音数据集进行测试

男声文件：1500 

查准率：0.926002766 

查全率：0.892666667

女声文件：1500 

查准率：0.896329684 

查全率：0.928619079

---

机器对说话者的性别属性进行分析，可以通过收到的音频数据判定发音人的性别（男，女，中性），建议检测音频中发音人连续发音时间持续1.5秒左右，音频太短会影响识别效果。应用场景：客户画像分析：对于电话客服接到的客户音频信息，可以进行声音特征分析，便于构造用户画像。PS：高复杂度版本说话人性别检测效果更佳声学识别。

---