声纹识别

介绍

声纹识别是一项用计算机程序自动提取说话人特征的技术。

这个 demo 是一个从给定音频文件提取说话人特征，它可以通过使用 PaddleSpeech 的单个命令或 python 中的几行代码来实现。

使用方法

1. 安装

请看安装文档。

你可以从 easy，medium，hard 三中方式中选择一种方式安装。

2. 准备输入

这个 demo 的输入应该是一个 WAV 文件（.wav），并且采样率必须与模型的采样率相同。

可以下载此 demo 的示例音频：

# 该音频的内容是数字串 85236145389
wget -c https://paddlespeech.bj.bcebos.com/vector/audio/85236145389.wav

3. 使用方法

命令行 (推荐使用)

paddlespeech vector --task spk --input 85236145389.wav

echo -e "demo1 85236145389.wav" > vec.job
paddlespeech vector --task spk --input vec.job

echo -e "demo2 85236145389.wav \n demo3 85236145389.wav" | paddlespeech vector --task spk

使用方法：

paddlespeech asr --help

参数：

input(必须输入)：用于识别的音频文件。
model：声纹任务的模型，默认值：ecapatdnn_voxceleb12。
sample_rate：音频采样率，默认值：16000。
config：声纹任务的参数文件，若不设置则使用预训练模型中的默认配置，默认值：None。
ckpt_path：模型参数文件，若不设置则下载预训练模型使用，默认值：None。
device：执行预测的设备，默认值：当前系统下 paddlepaddle 的默认 device。

输出：

demo [ -5.749211     9.505463    -8.200284    -5.2075014    5.3940268
-3.04878      1.611095    10.127234   -10.534177   -15.821609
 1.2032688   -0.35080156   1.2629458  -12.643498    -2.5758228
-11.343508     2.3385992   -8.719341    14.213509    15.404744
  -0.39327756   6.338786     2.688887     8.7104025   17.469526
  -8.77959      7.0576906    4.648855    -1.3089896  -23.294737
  8.013747    13.891729    -9.926753     5.655307    -5.9422326
-22.842539     0.6293588  -18.46266    -10.811862     9.8192625
  3.0070958    3.8072643   -2.3861165    3.0821571  -14.739942
  1.7594414   -0.6485091    4.485623     2.0207152    7.264915
  -6.40137     23.63524      2.9711294  -22.708025     9.93719
  20.354511   -10.324688    -0.700492    -8.783211    -5.27593
  15.999649     3.3004563   12.747926    15.429879     4.7849145
  5.6699696   -2.3826702   10.605882     3.9112158    3.1500628
  15.859915    -2.1832209  -23.908653    -6.4799504   -4.5365124
  -9.224193    14.568347   -10.568833     4.982321    -4.342062
  0.0914714   12.645902    -5.74285     -3.2141201   -2.7173362
  -6.680575     0.4757669   -5.035051    -6.7964664   16.865469
-11.54324      7.681869     0.44475392   9.708182    -8.932846
  0.4123232   -4.361452     1.3948607    9.511665     0.11667654
  2.9079323    6.049952     9.275183   -18.078873     6.2983274
  -0.7500531   -2.725033    -7.6027865    3.3404543    2.990815
  4.010979    11.000591    -2.8873312    7.1352735  -16.79663
  18.495346   -14.293832     7.89578      2.2714825   22.976387
  -4.875734    -3.0836344   -2.9999814   13.751918     6.448228
-11.924197     2.171869     2.0423572   -6.173772    10.778437
  25.77281     -4.9495463   14.57806      0.3044315    2.6132357
  -7.591999    -2.076944     9.025118     1.7834753   -3.1799617
  -4.9401326   23.465864     5.1685796   -9.018578     9.037825
  -4.4150195    6.859591   -12.274467    -0.88911164   5.186309
  -3.9988663  -13.638606    -9.925445    -0.06329413  -3.6709652
-12.397416   -12.719869    -1.395601     2.1150916    5.7381287
  -4.4691963   -3.82819     -0.84233856  -1.1604277  -13.490127
  8.731719   -20.778936   -11.495662     5.8033476   -4.752041
  10.833007    -6.717991     4.504732    13.4244375    1.1306485
  7.3435574    1.400918    14.704036    -9.501399     7.2315617
  -6.417456     1.3333273   11.872697    -0.30664724   8.8845
  6.5569253    4.7948146    0.03662816  -8.704245     6.224871
  -3.2701402  -11.508579  ]

Python API

import paddle
from paddlespeech.cli import VectorExecutor

vector_executor = VectorExecutor()
audio_emb = vector_executor(
    model='ecapatdnn_voxceleb12',
    sample_rate=16000,
    config=None,  # Set `config` and `ckpt_path` to None to use pretrained model.
    ckpt_path=None,
    audio_file='./zh.wav',
    force_yes=False,
    device=paddle.get_device())
print('Audio embedding Result: \n{}'.format(audio_emb))

输出：

# Vector Result:
[ -5.749211     9.505463    -8.200284    -5.2075014    5.3940268
-3.04878      1.611095    10.127234   -10.534177   -15.821609
 1.2032688   -0.35080156   1.2629458  -12.643498    -2.5758228
-11.343508     2.3385992   -8.719341    14.213509    15.404744
  -0.39327756   6.338786     2.688887     8.7104025   17.469526
  -8.77959      7.0576906    4.648855    -1.3089896  -23.294737
  8.013747    13.891729    -9.926753     5.655307    -5.9422326
-22.842539     0.6293588  -18.46266    -10.811862     9.8192625
  3.0070958    3.8072643   -2.3861165    3.0821571  -14.739942
  1.7594414   -0.6485091    4.485623     2.0207152    7.264915
  -6.40137     23.63524      2.9711294  -22.708025     9.93719
  20.354511   -10.324688    -0.700492    -8.783211    -5.27593
  15.999649     3.3004563   12.747926    15.429879     4.7849145
  5.6699696   -2.3826702   10.605882     3.9112158    3.1500628
  15.859915    -2.1832209  -23.908653    -6.4799504   -4.5365124
  -9.224193    14.568347   -10.568833     4.982321    -4.342062
  0.0914714   12.645902    -5.74285     -3.2141201   -2.7173362
  -6.680575     0.4757669   -5.035051    -6.7964664   16.865469
-11.54324      7.681869     0.44475392   9.708182    -8.932846
  0.4123232   -4.361452     1.3948607    9.511665     0.11667654
  2.9079323    6.049952     9.275183   -18.078873     6.2983274
  -0.7500531   -2.725033    -7.6027865    3.3404543    2.990815
  4.010979    11.000591    -2.8873312    7.1352735  -16.79663
  18.495346   -14.293832     7.89578      2.2714825   22.976387
  -4.875734    -3.0836344   -2.9999814   13.751918     6.448228
-11.924197     2.171869     2.0423572   -6.173772    10.778437
  25.77281     -4.9495463   14.57806      0.3044315    2.6132357
  -7.591999    -2.076944     9.025118     1.7834753   -3.1799617
  -4.9401326   23.465864     5.1685796   -9.018578     9.037825
  -4.4150195    6.859591   -12.274467    -0.88911164   5.186309
  -3.9988663  -13.638606    -9.925445    -0.06329413  -3.6709652
-12.397416   -12.719869    -1.395601     2.1150916    5.7381287
  -4.4691963   -3.82819     -0.84233856  -1.1604277  -13.490127
  8.731719   -20.778936   -11.495662     5.8033476   -4.752041
  10.833007    -6.717991     4.504732    13.4244375    1.1306485
  7.3435574    1.400918    14.704036    -9.501399     7.2315617
  -6.417456     1.3333273   11.872697    -0.30664724   8.8845
  6.5569253    4.7948146    0.03662816  -8.704245     6.224871
  -3.2701402  -11.508579  ]

4.预训练模型

以下是 PaddleSpeech 提供的可以被命令行和 python API 使用的预训练模型列表：

模型	采样率
ecapatdnn_voxceleb12	16k

7.4 KiB Raw Blame History Unescape Escape