【发布时间】：2020-06-18 21:35:39
【问题描述】：
我们可以在语音领域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，我们需要将它们聚集到特定的篮子中，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？
【问题讨论】：
标签： python algorithm machine-learning deep-learning data-science
【发布时间】：2020-06-18 21:35:39
【问题描述】：
我建议RNN-LSTM。有一个很棒的教程解释了使用这个神经网络的音乐流派分类。我看过它，它非常容易理解：
- 首先你必须了解你的音频数据（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 的每个幅度都代表音频的一个特征（例如说话者声音的特征）。
- 然后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扬声器。他显示here，但我建议您观看整个系列。我认为这是我所见过的关于这个主题的最好的，它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。
【讨论】：