说话人识别和语音识别中使用的 MFCC 特征有什么区别？

Question

我有一个概念问题。

我知道什么是 MFCC。但我无法找到用于说话人识别和语音识别的 mfcc 特征向量之间的区别，即 mfcc 特征的哪一部分被用作两者之间的区分因素？ 还有我们如何根据 mfcc 向量区分两个说话者？

Answer 1

功能非常相似。不同之处在于系数的数量、窗口大小、归一化......等等。看看this thread。

使用 mfcc 功能，您可以通过多种方式区分扬声器。两种最著名的技术是：

• GMM/UBM 技术：您可以为每个说话者创建一个 GMM，并将另一个 GMM 作为背景模型，然后对输入话语进行评分。
• i-vector 技术：这是对 mfcc 的一种后处理，以生成表示扬声器声学模型的新向量。此技术在Microsoft Speaker Recognition Service 和here's a description 中使用，了解其工作原理。