kaldi中声纹识别例子大概步骤综述

如何利用kaldi搭建说话人识别的例子。仅仅是搭建，具体的很多参数的调整需要大家根据数据集的不同慢慢调整。

1. 数据准备：无论使用kaldi来做语音识别还是说话人识别，第一步就是数据准备，对于说话人识别来说，需要准备的几个文件为wav.scp，utt2spk，spk2utt这三个文件。对应的格式如下：

   1.1 wav.scp有两列，第一列是key，这个可以一定要唯一；第二列是 wav的路径wavpath；

   1.2 utt2spk也有两列，第一列是key，与wav.scp的第一列一样；第二列是对应的说话人信息，叫spk。这个对于说话人识别来说很重要。此外，spk2utt可以根据utils/utt2spk_to_spk2utt.pl来生成。

2. 特征提取：使用steps/make_mfcc.sh来进行提取mfcc特征。

3. vad：由于说话人识别里静音会有很大的干扰，所以一般都会进行vad。具体kaldi里也有个简单的根据能量来判断vad的脚本。当然这个越精确越好。

4. 训练阶段：主要训练gmm-ubm跟i-vector系统。

   sid/train_diag_ubm.sh；sid/train_full_ubm.sh；train_ivector_extractor.sh

5. 提取训练集的i-vector向量，并训练分类器，kaldi提供了三类：

   dot-proucts，lda，plda等。

   这样咱们就训练好了一个i-vector系统。当然前提你要有一些说话人识别的理论知识。

    

kaldi里的说话人识别的例子是sre08跟sre10，语种识别的例子是lre跟lre07。当然如果你理解说话人识别的理论，还可以做性别分类、噪声音乐分类等。对此kaldi也有一些对应的例子跟脚本。

 

kaldi当然也有dnn用于说话人识别的例子，dnn-ubm系统的例子大家可以参考sre10/v2里的带dnn的脚本。如果大家对于说话人