注意，本项目经过测试，只能用于无背景音乐下的声纹识别，背景音乐会对结果有很大影响
本项目参考：https://github.com/yeyupiaoling/VoiceprintRecognition-Pytorch
B站：https://www.bilibili.com/video/BV18F41177jb
YouTube：https://youtu.be/XV9NwpnLPGo
数据集地址：https://github.com/fighting41love/zhvoice
自己下载下来后，把里面所有的压缩文件都进行解压，解压后结构如下，test_list.txt 和 train_list.txt 是后面生成的，先不管，注意这些训练数据要放到 data 文件夹下。
├── info
├── metadata.csv
├── readme.md
├── sample
├── test_list.txt
├── text
├── train_list.txt
├── zhaidatatang
├── zhaishell
├── zhbznsyp
├── zhmagicdata
├── zhprimewords
├── zhspeechocean
├── zhstcmds
└── zhthchs30
然后我们可以输入 python create_data.py 来对数据集进行处理，这里主要会进行两个操作，第一个是把mp3转换为wav的格式（这个操作比较耗时，可能需要几天），并生成对应的训练数据集文本和测试数据集的文本。第二个是会把一些没用的音频数据删除。
所有的配置信息都在 train.py 里面，自己看着改就可以了，默认情况下不需要改动。
使用 python train.py 就可以开始训练了（RTX3060大概要训练6天时间）
使用 python eval.py 可以计算阈值信息，因为我们是通过余铉距离来计算的进行对比时会得出一个分数，当大于这个分数的时候才可以认为是同一个人。运行后输出的结果如下：
开始提取全部的音频特征...
100%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 5332/5332 [02:02<00:00, 43.48it/s]
开始两两对比音频特征...
100%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 5332/5332 [01:52<00:00, 47.41it/s]
100%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 100/100 [00:05<00:00, 19.94it/s]
当阈值为0.660000, 准确率最大，为：0.999952
python main.py参考：https://stackoverflow.com/questions/48690984/portaudio-h-no-such-file-or-directory
ubuntu20.4 可以参考
sudo apt install portaudio19-dev python3-pyaudio