中文亚洲精品无码_熟女乱子伦免费_人人超碰人人爱国产_亚洲熟妇女综合网

當前位置： 首頁 > news >正文

wordpress的圖片插件優(yōu)化防疫措施

news 2025/7/15 9:31:59
wordpress的圖片插件,優(yōu)化防疫措施,單位網(wǎng)站建設工作總結,那個網(wǎng)站做室內(nèi)比較好的前言 本項目使用了EcapaTdnn、ResNetSE、ERes2Net、CAM等多種先進的聲紋識別模型，不排除以后會支持更多模型，同時本項目也支持了MelSpectrogram、Spectrogram、MFCC、Fbank等多種數(shù)據(jù)預處理方法，使用了ArcFace Loss，ArcFace loss…

前言

本項目使用了EcapaTdnn、ResNetSE、ERes2Net、CAM++等多種先進的聲紋識別模型，不排除以后會支持更多模型，同時本項目也支持了MelSpectrogram、Spectrogram、MFCC、Fbank等多種數(shù)據(jù)預處理方法，使用了ArcFace Loss，ArcFace loss：Additive Angular Margin Loss（加性角度間隔損失函數(shù)），對應項目中的AAMLoss，對特征向量和權重歸一化，對θ加上角度間隔m，角度間隔比余弦間隔在對角度的影響更加直接，除此之外，還支持AMLoss、ARMLoss、CELoss等多種損失函數(shù)。

源碼地址：VoiceprintRecognition-Pytorch

使用環(huán)境：

  • Anaconda 3
  • Python 3.8
  • Pytorch 1.13.1
  • Windows 10 or Ubuntu 18.04

項目特性

  1. 支持模型：EcapaTdnn、TDNN、Res2Net、ResNetSE、ERes2Net、CAM++
  2. 支持池化層：AttentiveStatsPool(ASP)、SelfAttentivePooling(SAP)、TemporalStatisticsPooling(TSP)、TemporalAveragePooling(TAP)、TemporalStatsPool(TSTP)
  3. 支持損失函數(shù)：AAMLoss、AMLoss、ARMLoss、CELoss
  4. 支持預處理方法：MelSpectrogram、Spectrogram、MFCC、Fbank

模型論文：

  • EcapaTdnn：ECAPA-TDNN: Emphasized Channel Attention, Propagation and Aggregation in TDNN Based Speaker Verification
  • PANNS：PANNs: Large-Scale Pretrained Audio Neural Networks for Audio Pattern Recognition
  • TDNN：Prediction of speech intelligibility with DNN-based performance measures
  • Res2Net：Res2Net: A New Multi-scale Backbone Architecture
  • ResNetSE：Squeeze-and-Excitation Networks
  • CAMPPlus：CAM++: A Fast and Efficient Network for Speaker Verification Using Context-Aware Masking
  • ERes2Net：An Enhanced Res2Net with Local and Global Feature Fusion for Speaker Verification

模型下載

模型Params(M)預處理方法數(shù)據(jù)集train speakersthresholdEERMinDCF
CAM++7.5FbankCN-Celeb27960.260.095570.53516
ERes2Net8.2FbankCN-Celeb2796
ResNetSE9.4FbankCN-Celeb27960.200.101490.55185
EcapaTdnn6.7FbankCN-Celeb27960.240.101630.56543
TDNN3.2FbankCN-Celeb27960.230.121820.62141
Res2Net6.6FbankCN-Celeb27960.220.143900.67961
ERes2Net8.2Fbank其他數(shù)據(jù)集20W0.360.029360.18355
CAM++7.5Fbank其他數(shù)據(jù)集20W0.290.047650.31436

說明：

  1. 評估的測試集為CN-Celeb的測試集，包含196個說話人。

安裝環(huán)境

  • 首先安裝的是Pytorch的GPU版本，如果已經(jīng)安裝過了，請?zhí)^。
conda install pytorch==1.13.1 torchvision==0.14.1 torchaudio==0.13.1 pytorch-cuda=11.6 -c pytorch -c nvidia
  • 安裝ppvector庫。

使用pip安裝，命令如下：

python -m pip install mvector -U -i https://pypi.tuna.tsinghua.edu.cn/simple

建議源碼安裝，源碼安裝能保證使用最新代碼。

git clone https://github.com/yeyupiaoling/VoiceprintRecognition-Pytorch.git
cd VoiceprintRecognition-Pytorch/
python setup.py install

創(chuàng)建數(shù)據(jù)

本教程筆者使用的是CN-Celeb，這個數(shù)據(jù)集一共有約3000個人的語音數(shù)據(jù)，有65W+條語音數(shù)據(jù)，下載之后要解壓數(shù)據(jù)集到dataset目錄，另外如果要評估，還需要下載CN-Celeb的測試集。如果讀者有其他更好的數(shù)據(jù)集，可以混合在一起使用，但最好是要用python的工具模塊aukit處理音頻，降噪和去除靜音。

首先是創(chuàng)建一個數(shù)據(jù)列表，數(shù)據(jù)列表的格式為<語音文件路徑\t語音分類標簽>，創(chuàng)建這個列表主要是方便之后的讀取，也是方便讀取使用其他的語音數(shù)據(jù)集，語音分類標簽是指說話人的唯一ID，不同的語音數(shù)據(jù)集，可以通過編寫對應的生成數(shù)據(jù)列表的函數(shù)，把這些數(shù)據(jù)集都寫在同一個數(shù)據(jù)列表中。

執(zhí)行create_data.py程序完成數(shù)據(jù)準備。

python create_data.py

執(zhí)行上面的程序之后，會生成以下的數(shù)據(jù)格式，如果要自定義數(shù)據(jù)，參考如下數(shù)據(jù)列表，前面是音頻的相對路徑，后面的是該音頻對應的說話人的標簽，就跟分類一樣。自定義數(shù)據(jù)集的注意，測試數(shù)據(jù)列表的ID可以不用跟訓練的ID一樣，也就是說測試的數(shù)據(jù)的說話人可以不用出現(xiàn)在訓練集，只要保證測試數(shù)據(jù)列表中同一個人相同的ID即可。

dataset/CN-Celeb2_flac/data/id11999/recitation-03-019.flac      2795
dataset/CN-Celeb2_flac/data/id11999/recitation-10-023.flac      2795
dataset/CN-Celeb2_flac/data/id11999/recitation-06-025.flac      2795
dataset/CN-Celeb2_flac/data/id11999/recitation-04-014.flac      2795
dataset/CN-Celeb2_flac/data/id11999/recitation-06-030.flac      2795
dataset/CN-Celeb2_flac/data/id11999/recitation-10-032.flac      2795
dataset/CN-Celeb2_flac/data/id11999/recitation-06-028.flac      2795
dataset/CN-Celeb2_flac/data/id11999/recitation-10-031.flac      2795
dataset/CN-Celeb2_flac/data/id11999/recitation-05-003.flac      2795
dataset/CN-Celeb2_flac/data/id11999/recitation-04-017.flac      2795
dataset/CN-Celeb2_flac/data/id11999/recitation-10-016.flac      2795
dataset/CN-Celeb2_flac/data/id11999/recitation-09-001.flac      2795
dataset/CN-Celeb2_flac/data/id11999/recitation-05-010.flac      2795

修改預處理方法

配置文件中默認使用的是Fbank預處理方法，如果要使用其他預處理方法，可以修改配置文件中的安裝下面方式修改，具體的值可以根據(jù)自己情況修改。如果不清楚如何設置參數(shù)，可以直接刪除該部分，直接使用默認值。

# 數(shù)據(jù)預處理參數(shù)
preprocess_conf:# 音頻預處理方法，支持：MelSpectrogram、Spectrogram、MFCC、Fbankfeature_method: 'Fbank'# 設置API參數(shù)，更參數(shù)查看對應API，不清楚的可以直接刪除該部分，直接使用默認值method_args:sample_frequency: 16000num_mel_bins: 80

訓練模型

使用train.py訓練模型，本項目支持多個音頻預處理方式，通過configs/ecapa_tdnn.yml配置文件的參數(shù)preprocess_conf.feature_method可以指定，MelSpectrogram為梅爾頻譜，Spectrogram為語譜圖，MFCC梅爾頻譜倒譜系數(shù)等等。通過參數(shù)augment_conf_path可以指定數(shù)據(jù)增強方式。訓練過程中，會使用VisualDL保存訓練日志，通過啟動VisualDL可以隨時查看訓練結果，啟動命令visualdl --logdir=log --host 0.0.0.0

# 單卡訓練
CUDA_VISIBLE_DEVICES=0 python train.py
# 多卡訓練
CUDA_VISIBLE_DEVICES=0,1 torchrun --standalone --nnodes=1 --nproc_per_node=2 train.py

訓練輸出日志：

[2023-08-05 09:52:06.497988 INFO   ] utils:print_arguments:13 - ----------- 額外配置參數(shù) -----------
[2023-08-05 09:52:06.498094 INFO   ] utils:print_arguments:15 - configs: configs/ecapa_tdnn.yml
[2023-08-05 09:52:06.498149 INFO   ] utils:print_arguments:15 - do_eval: True
[2023-08-05 09:52:06.498191 INFO   ] utils:print_arguments:15 - local_rank: 0
[2023-08-05 09:52:06.498230 INFO   ] utils:print_arguments:15 - pretrained_model: None
[2023-08-05 09:52:06.498269 INFO   ] utils:print_arguments:15 - resume_model: None
[2023-08-05 09:52:06.498306 INFO   ] utils:print_arguments:15 - save_model_path: models/
[2023-08-05 09:52:06.498342 INFO   ] utils:print_arguments:15 - use_gpu: True
[2023-08-05 09:52:06.498378 INFO   ] utils:print_arguments:16 - ------------------------------------------------
[2023-08-05 09:52:06.513761 INFO   ] utils:print_arguments:18 - ----------- 配置文件參數(shù) -----------
[2023-08-05 09:52:06.513906 INFO   ] utils:print_arguments:21 - dataset_conf:
[2023-08-05 09:52:06.513957 INFO   ] utils:print_arguments:24 -         dataLoader:
[2023-08-05 09:52:06.513995 INFO   ] utils:print_arguments:26 -                 batch_size: 64
[2023-08-05 09:52:06.514031 INFO   ] utils:print_arguments:26 -                 num_workers: 4
[2023-08-05 09:52:06.514066 INFO   ] utils:print_arguments:28 -         do_vad: False
[2023-08-05 09:52:06.514101 INFO   ] utils:print_arguments:28 -         enroll_list: dataset/enroll_list.txt
[2023-08-05 09:52:06.514135 INFO   ] utils:print_arguments:24 -         eval_conf:
[2023-08-05 09:52:06.514169 INFO   ] utils:print_arguments:26 -                 batch_size: 1
[2023-08-05 09:52:06.514203 INFO   ] utils:print_arguments:26 -                 max_duration: 20
[2023-08-05 09:52:06.514237 INFO   ] utils:print_arguments:28 -         max_duration: 3
[2023-08-05 09:52:06.514274 INFO   ] utils:print_arguments:28 -         min_duration: 0.5
[2023-08-05 09:52:06.514308 INFO   ] utils:print_arguments:28 -         noise_aug_prob: 0.2
[2023-08-05 09:52:06.514342 INFO   ] utils:print_arguments:28 -         noise_dir: dataset/noise
[2023-08-05 09:52:06.514374 INFO   ] utils:print_arguments:28 -         num_speakers: 3242
[2023-08-05 09:52:06.514408 INFO   ] utils:print_arguments:28 -         sample_rate: 16000
[2023-08-05 09:52:06.514441 INFO   ] utils:print_arguments:28 -         speed_perturb: True
[2023-08-05 09:52:06.514475 INFO   ] utils:print_arguments:28 -         target_dB: -20
[2023-08-05 09:52:06.514508 INFO   ] utils:print_arguments:28 -         train_list: dataset/train_list.txt
[2023-08-05 09:52:06.514542 INFO   ] utils:print_arguments:28 -         trials_list: dataset/trials_list.txt
[2023-08-05 09:52:06.514575 INFO   ] utils:print_arguments:28 -         use_dB_normalization: True
[2023-08-05 09:52:06.514609 INFO   ] utils:print_arguments:21 - loss_conf:
[2023-08-05 09:52:06.514643 INFO   ] utils:print_arguments:24 -         args:
[2023-08-05 09:52:06.514678 INFO   ] utils:print_arguments:26 -                 easy_margin: False
[2023-08-05 09:52:06.514713 INFO   ] utils:print_arguments:26 -                 margin: 0.2
[2023-08-05 09:52:06.514746 INFO   ] utils:print_arguments:26 -                 scale: 32
[2023-08-05 09:52:06.514779 INFO   ] utils:print_arguments:24 -         margin_scheduler_args:
[2023-08-05 09:52:06.514814 INFO   ] utils:print_arguments:26 -                 final_margin: 0.3
[2023-08-05 09:52:06.514848 INFO   ] utils:print_arguments:28 -         use_loss: AAMLoss
[2023-08-05 09:52:06.514882 INFO   ] utils:print_arguments:28 -         use_margin_scheduler: True
[2023-08-05 09:52:06.514915 INFO   ] utils:print_arguments:21 - model_conf:
[2023-08-05 09:52:06.514950 INFO   ] utils:print_arguments:24 -         backbone:
[2023-08-05 09:52:06.514984 INFO   ] utils:print_arguments:26 -                 embd_dim: 192
[2023-08-05 09:52:06.515017 INFO   ] utils:print_arguments:26 -                 pooling_type: ASP
[2023-08-05 09:52:06.515050 INFO   ] utils:print_arguments:24 -         classifier:
[2023-08-05 09:52:06.515084 INFO   ] utils:print_arguments:26 -                 num_blocks: 0
[2023-08-05 09:52:06.515118 INFO   ] utils:print_arguments:21 - optimizer_conf:
[2023-08-05 09:52:06.515154 INFO   ] utils:print_arguments:28 -         learning_rate: 0.001
[2023-08-05 09:52:06.515188 INFO   ] utils:print_arguments:28 -         optimizer: Adam
[2023-08-05 09:52:06.515221 INFO   ] utils:print_arguments:28 -         scheduler: CosineAnnealingLR
[2023-08-05 09:52:06.515254 INFO   ] utils:print_arguments:28 -         scheduler_args: None
[2023-08-05 09:52:06.515289 INFO   ] utils:print_arguments:28 -         weight_decay: 1e-06
[2023-08-05 09:52:06.515323 INFO   ] utils:print_arguments:21 - preprocess_conf:
[2023-08-05 09:52:06.515357 INFO   ] utils:print_arguments:28 -         feature_method: MelSpectrogram
[2023-08-05 09:52:06.515390 INFO   ] utils:print_arguments:24 -         method_args:
[2023-08-05 09:52:06.515426 INFO   ] utils:print_arguments:26 -                 f_max: 14000.0
[2023-08-05 09:52:06.515460 INFO   ] utils:print_arguments:26 -                 f_min: 50.0
[2023-08-05 09:52:06.515493 INFO   ] utils:print_arguments:26 -                 hop_length: 320
[2023-08-05 09:52:06.515527 INFO   ] utils:print_arguments:26 -                 n_fft: 1024
[2023-08-05 09:52:06.515560 INFO   ] utils:print_arguments:26 -                 n_mels: 64
[2023-08-05 09:52:06.515593 INFO   ] utils:print_arguments:26 -                 sample_rate: 16000
[2023-08-05 09:52:06.515626 INFO   ] utils:print_arguments:26 -                 win_length: 1024
[2023-08-05 09:52:06.515660 INFO   ] utils:print_arguments:21 - train_conf:
[2023-08-05 09:52:06.515694 INFO   ] utils:print_arguments:28 -         log_interval: 100
[2023-08-05 09:52:06.515728 INFO   ] utils:print_arguments:28 -         max_epoch: 30
[2023-08-05 09:52:06.515761 INFO   ] utils:print_arguments:30 - use_model: EcapaTdnn
[2023-08-05 09:52:06.515794 INFO   ] utils:print_arguments:31 - ------------------------------------------------
······
===============================================================================================
Layer (type:depth-idx)                        Output Shape              Param #
===============================================================================================
Sequential                                    [1, 9726]                 --
├─EcapaTdnn: 1-1                              [1, 192]                  --
│    └─Conv1dReluBn: 2-1                      [1, 512, 98]              --
│    │    └─Conv1d: 3-1                       [1, 512, 98]              163,840
│    │    └─BatchNorm1d: 3-2                  [1, 512, 98]              1,024
│    └─Sequential: 2-2                        [1, 512, 98]              --
│    │    └─Conv1dReluBn: 3-3                 [1, 512, 98]              263,168
│    │    └─Res2Conv1dReluBn: 3-4             [1, 512, 98]              86,912
│    │    └─Conv1dReluBn: 3-5                 [1, 512, 98]              263,168
│    │    └─SE_Connect: 3-6                   [1, 512, 98]              262,912
│    └─Sequential: 2-3                        [1, 512, 98]              --
│    │    └─Conv1dReluBn: 3-7                 [1, 512, 98]              263,168
│    │    └─Res2Conv1dReluBn: 3-8             [1, 512, 98]              86,912
│    │    └─Conv1dReluBn: 3-9                 [1, 512, 98]              263,168
│    │    └─SE_Connect: 3-10                  [1, 512, 98]              262,912
│    └─Sequential: 2-4                        [1, 512, 98]              --
│    │    └─Conv1dReluBn: 3-11                [1, 512, 98]              263,168
│    │    └─Res2Conv1dReluBn: 3-12            [1, 512, 98]              86,912
│    │    └─Conv1dReluBn: 3-13                [1, 512, 98]              263,168
│    │    └─SE_Connect: 3-14                  [1, 512, 98]              262,912
│    └─Conv1d: 2-5                            [1, 1536, 98]             2,360,832
│    └─AttentiveStatsPool: 2-6                [1, 3072]                 --
│    │    └─Conv1d: 3-15                      [1, 128, 98]              196,736
│    │    └─Conv1d: 3-16                      [1, 1536, 98]             198,144
│    └─BatchNorm1d: 2-7                       [1, 3072]                 6,144
│    └─Linear: 2-8                            [1, 192]                  590,016
│    └─BatchNorm1d: 2-9                       [1, 192]                  384
├─SpeakerIdentification: 1-2                  [1, 9726]                 1,867,392
===============================================================================================
Total params: 8,012,992
Trainable params: 8,012,992
Non-trainable params: 0
Total mult-adds (M): 468.81
===============================================================================================
Input size (MB): 0.03
Forward/backward pass size (MB): 10.36
Params size (MB): 32.05
Estimated Total Size (MB): 42.44
===============================================================================================
[2023-08-05 09:52:08.084231 INFO   ] trainer:train:388 - 訓練數(shù)據(jù)：874175
[2023-08-05 09:52:09.186542 INFO   ] trainer:__train_epoch:334 - Train epoch: [1/30], batch: [0/13659], loss: 11.95824, accuracy: 0.00000, learning rate: 0.00100000, speed: 58.09 data/sec, eta: 5 days, 5:24:08
[2023-08-05 09:52:22.477905 INFO   ] trainer:__train_epoch:334 - Train epoch: [1/30], batch: [100/13659], loss: 10.35675, accuracy: 0.00278, learning rate: 0.00100000, speed: 481.65 data/sec, eta: 15:07:15
[2023-08-05 09:52:35.948581 INFO   ] trainer:__train_epoch:334 - Train epoch: [1/30], batch: [200/13659], loss: 10.22089, accuracy: 0.00505, learning rate: 0.00100000, speed: 475.27 data/sec, eta: 15:19:12
[2023-08-05 09:52:49.249098 INFO   ] trainer:__train_epoch:334 - Train epoch: [1/30], batch: [300/13659], loss: 10.00268, accuracy: 0.00706, learning rate: 0.00100000, speed: 481.45 data/sec, eta: 15:07:11
[2023-08-05 09:53:03.716015 INFO   ] trainer:__train_epoch:334 - Train epoch: [1/30], batch: [400/13659], loss: 9.76052, accuracy: 0.00830, learning rate: 0.00100000, speed: 442.74 data/sec, eta: 16:26:16
[2023-08-05 09:53:18.258807 INFO   ] trainer:__train_epoch:334 - Train epoch: [1/30], batch: [500/13659], loss: 9.50189, accuracy: 0.01060, learning rate: 0.00100000, speed: 440.46 data/sec, eta: 16:31:08
[2023-08-05 09:53:31.618354 INFO   ] trainer:__train_epoch:334 - Train epoch: [1/30], batch: [600/13659], loss: 9.26083, accuracy: 0.01256, learning rate: 0.00100000, speed: 479.50 data/sec, eta: 15:10:12
[2023-08-05 09:53:45.439642 INFO   ] trainer:__train_epoch:334 - Train epoch: [1/30], batch: [700/13659], loss: 9.03548, accuracy: 0.01449, learning rate: 0.00099999, speed: 463.63 data/sec, eta: 15:41:08

VisualDL頁面：
VisualDL頁面

評估模型

訓練結束之后會保存預測模型，我們用預測模型來預測測試集中的音頻特征，然后使用音頻特征進行兩兩對比，計算EER和MinDCF。

python eval.py

輸出類似如下：

······
------------------------------------------------
W0425 08:27:32.057426 17654 device_context.cc:447] Please NOTE: device: 0, GPU Compute Capability: 7.5, Driver API Version: 11.6, Runtime API Version: 10.2
W0425 08:27:32.065165 17654 device_context.cc:465] device: 0, cuDNN Version: 7.6.
[2023-03-16 20:20:47.195908 INFO   ] trainer:evaluate:341 - 成功加載模型：models/EcapaTdnn_Fbank/best_model/model.pth
100%|███████████████████████████| 84/84 [00:28<00:00,  2.95it/s]
開始兩兩對比音頻特征...
100%|███████████████████████████| 5332/5332 [00:05<00:00, 1027.83it/s]
評估消耗時間：65s，threshold：0.26，EER: 0.14739, MinDCF: 0.41999

聲紋對比

下面開始實現(xiàn)聲紋對比，創(chuàng)建infer_contrast.py程序，編寫infer()函數(shù)，在編寫模型的時候，模型是有兩個輸出的，第一個是模型的分類輸出，第二個是音頻特征輸出。所以在這里要輸出的是音頻的特征值，有了音頻的特征值就可以做聲紋識別了。我們輸入兩個語音，通過預測函數(shù)獲取他們的特征數(shù)據(jù)，使用這個特征數(shù)據(jù)可以求他們的對角余弦值，得到的結果可以作為他們相識度。對于這個相識度的閾值threshold，讀者可以根據(jù)自己項目的準確度要求進行修改。

python infer_contrast.py --audio_path1=audio/a_1.wav --audio_path2=audio/b_2.wav

輸出類似如下：

[2023-04-02 18:30:48.009149 INFO   ] utils:print_arguments:13 - ----------- 額外配置參數(shù) -----------
[2023-04-02 18:30:48.009149 INFO   ] utils:print_arguments:15 - audio_path1: dataset/a_1.wav
[2023-04-02 18:30:48.009149 INFO   ] utils:print_arguments:15 - audio_path2: dataset/b_2.wav
[2023-04-02 18:30:48.009149 INFO   ] utils:print_arguments:15 - configs: configs/ecapa_tdnn.yml
[2023-04-02 18:30:48.009149 INFO   ] utils:print_arguments:15 - model_path: models/EcapaTdnn_Fbank/best_model/
[2023-04-02 18:30:48.009149 INFO   ] utils:print_arguments:15 - threshold: 0.6
[2023-04-02 18:30:48.009149 INFO   ] utils:print_arguments:15 - use_gpu: True
[2023-04-02 18:30:48.009149 INFO   ] utils:print_arguments:16 - ------------------------------------------------
······································································
W0425 08:29:10.006249 21121 device_context.cc:447] Please NOTE: device: 0, GPU Compute Capability: 7.5, Driver API Version: 11.6, Runtime API Version: 10.2
W0425 08:29:10.008555 21121 device_context.cc:465] device: 0, cuDNN Version: 7.6.
成功加載模型參數(shù)和優(yōu)化方法參數(shù)：models/EcapaTdnn_Fbank/best_model/model.pth
audio/a_1.wav 和 audio/b_2.wav 不是同一個人，相似度為：-0.09565544128417969

聲紋識別

在上面的聲紋對比的基礎上，我們創(chuàng)建infer_recognition.py實現(xiàn)聲紋識別。同樣是使用上面聲紋對比的infer()預測函數(shù)，通過這兩個同樣獲取語音的特征數(shù)據(jù)。 不同的是筆者增加了load_audio_db()和register()，以及recognition()，第一個函數(shù)是加載聲紋庫中的語音數(shù)據(jù)，這些音頻就是相當于已經(jīng)注冊的用戶，他們注冊的語音數(shù)據(jù)會存放在這里，如果有用戶需要通過聲紋登錄，就需要拿到用戶的語音和語音庫中的語音進行聲紋對比，如果對比成功，那就相當于登錄成功并且獲取用戶注冊時的信息數(shù)據(jù)。第二個函數(shù)register()其實就是把錄音保存在聲紋庫中，同時獲取該音頻的特征添加到待對比的數(shù)據(jù)特征中。最后recognition()函數(shù)中，這個函數(shù)就是將輸入的語音和語音庫中的語音一一對比。
有了上面的聲紋識別的函數(shù)，讀者可以根據(jù)自己項目的需求完成聲紋識別的方式，例如筆者下面提供的是通過錄音來完成聲紋識別。首先必須要加載語音庫中的語音，語音庫文件夾為audio_db，然后用戶回車后錄音3秒鐘，然后程序會自動錄音，并使用錄音到的音頻進行聲紋識別，去匹配語音庫中的語音，獲取用戶的信息。通過這樣方式，讀者也可以修改成通過服務請求的方式完成聲紋識別，例如提供一個API供APP調(diào)用，用戶在APP上通過聲紋登錄時，把錄音到的語音發(fā)送到后端完成聲紋識別，再把結果返回給APP，前提是用戶已經(jīng)使用語音注冊，并成功把語音數(shù)據(jù)存放在audio_db文件夾中。

python infer_recognition.py

輸出類似如下：

[2023-04-02 18:31:20.521040 INFO   ] utils:print_arguments:13 - ----------- 額外配置參數(shù) -----------
[2023-04-02 18:31:20.521040 INFO   ] utils:print_arguments:15 - audio_db_path: audio_db/
[2023-04-02 18:31:20.521040 INFO   ] utils:print_arguments:15 - configs: configs/ecapa_tdnn.yml
[2023-04-02 18:31:20.521040 INFO   ] utils:print_arguments:15 - model_path: models/EcapaTdnn_Fbank/best_model/
[2023-04-02 18:31:20.521040 INFO   ] utils:print_arguments:15 - record_seconds: 3
[2023-04-02 18:31:20.521040 INFO   ] utils:print_arguments:15 - threshold: 0.6
[2023-04-02 18:31:20.521040 INFO   ] utils:print_arguments:15 - use_gpu: True
[2023-04-02 18:31:20.521040 INFO   ] utils:print_arguments:16 - ------------------------------------------------
······································································
W0425 08:30:13.257884 23889 device_context.cc:447] Please NOTE: device: 0, GPU Compute Capability: 7.5, Driver API Version: 11.6, Runtime API Version: 10.2
W0425 08:30:13.260191 23889 device_context.cc:465] device: 0, cuDNN Version: 7.6.
成功加載模型參數(shù)和優(yōu)化方法參數(shù)：models/ecapa_tdnn/model.pth
Loaded 沙瑞金 audio.
Loaded 李達康 audio.
請選擇功能，0為注冊音頻到聲紋庫，1為執(zhí)行聲紋識別：0
按下回車鍵開機錄音，錄音3秒中：
開始錄音......
錄音已結束!
請輸入該音頻用戶的名稱：夜雨飄零
請選擇功能，0為注冊音頻到聲紋庫，1為執(zhí)行聲紋識別：1
按下回車鍵開機錄音，錄音3秒中：
開始錄音......
錄音已結束!
識別說話的為：夜雨飄零，相似度為：0.920434

其他版本

  • Tensorflow：VoiceprintRecognition-Tensorflow
  • PaddlePaddle：VoiceprintRecognition-PaddlePaddle
  • Keras：VoiceprintRecognition-Keras

參考資料

  1. https://github.com/PaddlePaddle/PaddleSpeech
  2. https://github.com/yeyupiaoling/PaddlePaddle-MobileFaceNets
  3. https://github.com/yeyupiaoling/PPASR
  4. https://github.com/alibaba-damo-academy/3D-Speaker
http://m.risenshineclean.com/news/66101.html

相關文章：

  • 山西互聯(lián)網(wǎng)公司ui設計師招聘網(wǎng)aso關鍵詞排名優(yōu)化是什么
  • 精品網(wǎng)站建設公司域名查詢官網(wǎng)
  • 網(wǎng)站推廣軟文范例排名優(yōu)化哪家專業(yè)
  • 上海做網(wǎng)站公司品劃網(wǎng)絡app推廣平臺有哪些
  • 三合一網(wǎng)站和傳統(tǒng)網(wǎng)站百度賬號管理中心
  • 群團組織網(wǎng)站建設網(wǎng)絡營銷與管理
  • 網(wǎng)站建設需要政府集中采購嗎百度快照投訴中心人工電話
  • 微站是什么意思網(wǎng)站設計開發(fā)網(wǎng)站
  • 微信的微網(wǎng)站模板下載不了營銷型網(wǎng)站策劃書
  • 中衛(wèi)網(wǎng)站推廣制作電商培訓課程
  • 建站之星備案百度推廣售后
  • 網(wǎng)站建設服務哪家好seo免費推廣
  • 手機網(wǎng)站制作服務機構百度法務部聯(lián)系方式
  • 石家莊網(wǎng)站建設模板服務臨沂seo建站
  • 公司名稱大全集最新三個字贛州seo唐三
  • wordpress過時了嗎手機百度seo快速排名
  • 杭州做網(wǎng)站的企業(yè)seo外鏈發(fā)布平臺有哪些
  • 網(wǎng)站建設成果成都官網(wǎng)seo服務
  • 手機網(wǎng)站制作方案微信群二維碼推廣平臺
  • 大型服裝網(wǎng)站開發(fā)代運營一般收費
  • 網(wǎng)站建設規(guī)劃表福州百度網(wǎng)站排名優(yōu)化
  • 政府網(wǎng)站建設規(guī)范產(chǎn)品營銷方案案例范文
  • 做零售出口的網(wǎng)站seo綜合查詢怎么用的
  • 怎么做全民奪寶網(wǎng)站網(wǎng)絡服務
  • 做民宿最大的網(wǎng)站百度競價推廣代運營
  • 蘭州網(wǎng)站排名優(yōu)化公司惠城網(wǎng)站設計
  • 深圳公司網(wǎng)站制作互聯(lián)網(wǎng)營銷的方式有哪些
  • 網(wǎng)頁設計網(wǎng)站免登陸企業(yè)培訓體系
  • 一個網(wǎng)址建多個網(wǎng)站seo是什么意思?
  • 網(wǎng)站方案投放廣告