未来杯语音赛道说话人识别的baseline,用的是传统的UBM-GMM模型。
python
版本推荐3.7.2
相关的库pip install -r requirements.txt
sidekit==1.2.2
numpy
pandas
matplotlib
scipy
tqdm
如果sidekit
安装了之后无法import
,需要找到sidekit
安装的地方,改一下__init__.py
文件,这个文件里面的38到42行,如果你只训练gmm-ubm
的话,所有的选项都设置为False
。
如果你想使用svm
,请先安装libsvm
库,然后把__init__.py
里面的相应选项设置为True
。
最新版的sidekit
,神经网络部分已经换成了Pytorch
的backend
,但是1.2.2
还是Theano
,如果你想在sidekit
里面使用神经网络,请安装最新版。
Ps:最新版的sidekit
,也就是1.3.1
我没有测试过,可能有bug
,因为我使用1.2.9
版本的时候发现过bug
,后来回退到了稳定的1.2.2
版本。
另外,sidekit
包还提供了生成DET Curve
的方法,但是可能会失败,具体原因我也没有找到。总之如果大家经过上面的修改之后还是不能导入sidekit
的话,请修改bosaris
文件夹里面的detplot.py
的第39行,matplotlib.use('PDF')
, 可以改成matplotlib.use('Qt5Agg')
。
gmm_ubm.py
这个脚本包含了训练ubm,自适应得到注册人的gmm,以及计算注册的gmm对所有攻击语音的打分的函数。脚本的用法如下。
测试了512 mixture的GMM分别对于64-dim的fbank和13+delta+double delta的mfcc的拟合,发现mfcc的效果相对较好,但是根据比赛的评分规则,最好也只有0.74。
python gmm_ubm.py -h
usage: gmm_ubm.py [-h] [--feat_type FEAT_TYPE] [--delta]
[--distribNum DISTRIBNUM] [--num_thread NUM_THREAD]
[--extract] [--train] [--adaptation] [--score]
name
script for GMM-UBM adaptation
positional arguments:
name model name
optional arguments:
-h, --help show this help message and exit
--feat_type FEAT_TYPE
feature type
--delta using delta information of feature
--distribNum DISTRIBNUM
distribution number
--num_thread NUM_THREAD
threads number
--extract extract feature from audio
--train train the ubm model
--adaptation adaptation for speaker model
--score compute the score
utils.py
这个脚本包含了一些文件的预处理例如idmap,ndx和key,关于这些文件的详细信息,请参考sidekit的官方文档sidekit。另外还包含了一个根据比赛的积分规则打分的函数,--score
选项用来打分并将打分的结果保存在result
文件夹里面。
python utils.py -h
usage: utils.py [-h] [--enroll ENROLL] [--dev DEV] [--test TEST]
[--score SCORE]
some utils for preprocess and score
optional arguments:
-h, --help show this help message and exit
--enroll ENROLL enrollment csv path
--dev DEV annotation csv path
--test TEST test csv path
--score SCORE calculate the score
这个项目是打算作为本次比赛的baseline。训练的语音是比赛官方提供的aishell2的子集,包含了100人的语音,开发集也是官方提供的数据。 本次比赛需要验证不同信道的说话人的语音,UBM-GMM对于这种条件适应性较差,当然如果用ZT-norm重新整理得分的话效果应该更好,但是总的来说注册语音的信道和测试信道不匹配的问题还是很严重。 这种条件下,我相信i-vector+PLDA是一个更好的选择来解决这个问题。
如果这个repository对你有帮助麻烦请star:-D。
Email : zengchang.elec@gmail.com