簡評：聲紋識別可以說是非?？崃?~

戳鏈接直接試用：Voice Vector Webpage

每個人都有自己的聲音，不同的人會有不同的聲音。

有些人是蘿莉音，有些人則是鐵觀音。

有些人的聲音聽起來很像，有些人則完全不同。

（突然正經(jīng)）

這個項目基于分類模型的體系結(jié)構(gòu)，利用神經(jīng)網(wǎng)絡(luò)，使用 VoxCeleb 數(shù)據(jù)集來查找單個語音向量（voice vectors），其中包含 1251 名好萊塢明星的 145379 句話語。數(shù)據(jù)集概況：

• 性別分布：690 名男性；561 名女性
• 年齡分布：20+, 30+, 40+, 50+, 60+（歲）分別為 136, 351, 318, 210, 236

Architectures

在神經(jīng)網(wǎng)絡(luò)訓(xùn)練的每一步，演講者都是隨機的。語音向量與文本無關(guān)，這意味著來自同一講話者的任何一對話語都具有相似的語音向量。矢量距離越近，聲音越相似。

使用 t-SNE 進行可視化時，聲音有明顯地依性別分類的趨勢：

上方藍點為 male，下方藍點為 female

不過并沒有年齡相關(guān)性的表現(xiàn)：

由此也一定程度上解釋了，為什么有些人能完美模仿正太音、蘿莉音、少女音和御姐音。（一個猜測，不一定對）

好了快回到文首玩玩這個聲紋識別吧 ~

Github：andabi/voice-vector
推薦閱讀：用 150 行 Python 代碼寫的量子計算模擬器