python - 语音聚类的聚类算法

Question

我们可以在语音域中使用的最佳聚类方法是什么？

例如，如果我们有来自多个说话者的语音，我们需要将它们聚类到特定的篮子中，其中每个篮子对应一个说话者。为此，我们可以使用的最佳聚类算法是什么？

Answer 1

我建议 RNN-LSTM .有一个很棒的教程解释了 音乐流派分类使用这个神经网络。我看过它，理解它是非常教条的:

首先你要了解您的音频数据 (看看 here )。在此链接中，他解释了 MFCC(梅尔频率倒谱系数)，它允许您将音频数据的特征提取到频谱图中。在下图中，MFCC 的每个幅度代表音频的一个特征(例如说话者语音的特征)。

那么你必须为分类预处理数据 (实际示例 here)

然后训练您的神经网络以预测音频属于哪个说话者 .他显示 here ，但我建议您观看整个系列。我认为这是我见过的关于这个主题的最好的文章，提供了解决此类说话人分类问题所需的所有背景、代码和数据集。

希望您喜欢这些链接，它们确实帮助了我，并且肯定会解决您的问题。