语音数据经过预处理，提取特征参数，训练VQ模型，建立码本库，然后对测试数据集进行说话人识别，输出识别结果。
2023/9/15 7:25:26
894KB
1
该说话人识别系统通过提取语音信号的MFCC特征参数，并由DWT算法计算得测试样本与各模板样本之间的距离，由最近临准则，完成说话人识别。
优点是算法简单，无需大量样本，缺点为需保证说话人说话的内容一致。
优点是算法简单，无需大量样本，缺点为需保证说话人说话的内容一致。
2023/9/1 6:51:52
1.15MB
1
声纹识别技术，形象的说法就是说话人识别技术。
它是根据人在说话时产生的波形，以及波形中反映人类心理和生理的特征参数来判断说话人的身份的技术。
本文所研究的是与文本有关的说话人确认系统。
比较了基于声道的线性预测倒谱系数(LPCC)和基于听觉特性的MEL频率倒谱系数(MFCC)参数特征，得出MFCC对环境存在更高的鲁棒性。
并运用了隐形马尔可夫模型(HMM)在MATLAB上实现了语音数字的识别仿真。
本实验系统的识别率达到了90%，验证了HMM模型识别的准确性。
它是根据人在说话时产生的波形，以及波形中反映人类心理和生理的特征参数来判断说话人的身份的技术。
本文所研究的是与文本有关的说话人确认系统。
比较了基于声道的线性预测倒谱系数(LPCC)和基于听觉特性的MEL频率倒谱系数(MFCC)参数特征，得出MFCC对环境存在更高的鲁棒性。
并运用了隐形马尔可夫模型(HMM)在MATLAB上实现了语音数字的识别仿真。
本实验系统的识别率达到了90%，验证了HMM模型识别的准确性。
2023/8/10 15:50:09
1.61MB
1
本资源是基于MATLAB的说话人识别系统，是基于HMM模型的，具有很高的识别效率，大家可以放心使用本资源是基于MATLAB的说话人识别系统，是基于HMM模型的，具有很高的识别效率，大家可以放心使用
2023/7/3 7:34:35
1.07MB
1
该文件包含GMM-UBM模型和基于ivector的GMM-UBM模型。
与其他MSR工具箱不同的是，在计算指标部分添加了AUC和EER。
直接运行demo_gmm_ubm_artificial.m或者demo_ivector_plda_artificial.m即可。
与其他MSR工具箱不同的是，在计算指标部分添加了AUC和EER。
直接运行demo_gmm_ubm_artificial.m或者demo_ivector_plda_artificial.m即可。
2023/6/10 14:49:23
1.79MB
1
该压缩包中包含一个完整的语音识别程序，代码使用matlab实现，使用了经典的GMM，HMM模型。
附件中还包含完整的说明文档，介绍了一些基本原理，和该源码的使用方法。
是语音识别入门必读源码之一。
该源码只需要很小的改动就可以用来做说话人识别。
：}
附件中还包含完整的说明文档，介绍了一些基本原理，和该源码的使用方法。
是语音识别入门必读源码之一。
该源码只需要很小的改动就可以用来做说话人识别。
：}
2023/6/5 8:36:53
2.25MB
1
这个是我参照网上的一些代码写的，可以训练和识别，但是没有做预处理，所以录音时要注意不要出现没声音的片段，识别率不是很高，可以做一下参考！code=train('train\',4)%训练test('test\',8,code)%识别
2023/5/16 21:46:46
2.37MB
1
使用阐明请看这里：https://blog.csdn.net/yj13811596648/article/details/88746350
2023/1/19 1:09:33
112.79MB
1
在MATLAB环境下实现基于矢量量化的说话人识别零碎。
在实时录音的情况下，利用该说话人识别零碎，对不同的人的1s～7s的语音进行辨识。
实现与文本无关的自动说话人确认的实时识别。
在实时录音的情况下，利用该说话人识别零碎，对不同的人的1s～7s的语音进行辨识。
实现与文本无关的自动说话人确认的实时识别。
2021/1/8 11:51:08
696KB
1
这是一个说话人识别matlab源代码，有两个特征可以选择MFCC和SBC,模式婚配使用了GMM。
测试了80人的数据库，MFCC识别正确率为80%，SBC为40%左右
测试了80人的数据库，MFCC识别正确率为80%，SBC为40%左右
2016/10/7 9:30:18
61KB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB