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

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。

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。
：}

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

使用阐明请看这里：https://blog.csdn.net/yj13811596648/article/details/88746350

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。

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

ThiscorpuscontainsaselectionfromtheTIMITAcoustic-PhoneticContinuousSpeechCorpus,consistingofspeechfiles,annotations,andassociatedmaterials:*16speakersfrom8dialectregions*1maleand1femalefromeachdialectregion*total130sentences(10sentencesperspeaker;notethatsomesentencesaresharedamongotherspeakers,sa1andsa2arespokenbyallspeakers.)*total160sentencerecordings(10recordingsperspeaker)*audioformat:wavformat,singlechannel,16kHzsampling,16bitsample,PCMencoding数据相关论文：使用该数据的论文：暂无信息来自万方数据的相关论文：期刊论文基于学习者英语语料的类联接研究概念、方法及例析-外语电化教学-2009(3)期刊论文基于HTK的连续语音识别系统及其在TIMIT上的实验-现代计算机（专业版）-2009(11)会议论文IterativeLanguageModelAdaptationforLargeVocabularyContinuousSpeechRecognition-20114thIEEEInternationalConferenceonComputerScienceandInformationTechnology(ICCSIT2011)(2011年第四届IEEE计算机科学与信息技术国际会议)-2011会议论文TheFixed-PointOptimizationofMelFrequencyCepstrumCoefficientsforSpeechRecognition-The6thInternationalForumonStrategicTechnology(IFOST2011)(第六届国际战略技术论坛)-2011会议论文语音编码对说话人识别系统的影响-第二届和谐人机环境联合(第15届全国多媒体技术、第2届全国人机交互、第2届全国普适计算)学术会议-2006期刊论文车载环境下基于样本熵的语音端点检测方法-计算机研究与发展-2011,48(3)会议论文ACorpus-basedComparativeStudyofCompanyProfiles--ACaseStudyBetweenWorldTop-500andZhejiangTop-100-2010SummitInternationalMarketingScienceandManagementTechnologyConference(2010年国际营销科学与管理技术大会)-2010期刊论文留学生汉语中介语语料库建设若干问题探讨——以中山大学汉字偏误中介语语料库为例-言语文字应用-2012(2)会议论文ANON-FIXED-LENGTHSEQUENCESCLUSTERINGAPPROACHFORSPEECHCORPUSREDUCTION-2007InternationalConferenceonMachineLearningandCybernetics(IEEE第六届机器学习与控制论国际会议)-2007期刊论文联想学习记忆的脑功能磁共振成像-中华神经科杂志-2008,41(4)

本书引见了语音信号处理的基础、原理、方法和应用，以及该学科领域近年来取得的一些新的研究成果和技术。
全书共分14章，包括绪论、语音信号处理基础知识、语音信号分析、矢量量化技术、隐马尔可夫模型、神经网络在语音信号处理中的应用、语音编码、语音合成、语音识别、说话人识别与语种辨识、语音转换与语音隐藏、语音信号中的情感信息处理、耳语音信号处理、语音增强等内容。
本书可作为高等院校教材或教学参考用书，也可供从事语音信号处理等领域的工程技术人员参考。

用matlab完成说话人识别的一个案例。

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。