java - LIUM Speaker Diaritization 如何工作？

Question

在我的项目中，我使用名为 LIUM_SpkDiarization-4.7.jar 的库，但我不太确定它是如何工作的。任何人都可以解释一下吗？

此外，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。

Answer 1

我不知道这个工具。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 梅尔频率倒谱系数(标准技术)。这是基本步骤。它生成一个可以使用的特征空间。它类似于及时在滑动窗口上计算 FFT。最终使用贝叶斯信息准则 (BIC) 方法对这些时间切片特征执行聚类。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、维特比、EM，有时也可以使用 GMM。

我不太了解算法，无法详细解释，但这也应该有所帮助:http://lium3.univ-lemans.fr/diarization/doku.php/overview