/GMM_baseline

未来杯语音赛道说话人识别的baseline

Primary LanguagePythonMIT LicenseMIT

GMM_baseline

未来杯语音赛道说话人识别的baseline，用的是传统的UBM-GMM模型。

依赖项

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

注意

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')。

主要脚本

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

说明

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。

感谢

如果这个repository对你有帮助麻烦请star:-D。

联系

Email : zengchang.elec@gmail.com