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
C++代码GMM全代码打包。
实测可用，欢迎下载！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！
实测可用，欢迎下载！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！
2023/6/3 4:30:08
7KB
1
基于语音的性别识别基于语音的性别识别，使用：免费的ST美国英语语料库数据集（SLR45）梅尔频率倒谱系数（MFCC）高斯混合模型（GMM）数据集可以在上找到免费的ST美国英语语料库数据集（SLR45）。
它是提供的免费的美国英语语料库，其中包含10位说话者（5位女性和5位男性）的讲话。
每个说话者大约有350种话语。
理论语音特征提取此处使用梅尔频率倒谱系数（MFCC），因为它们可在说话者验证中提供最佳结果。
MFCC通常如下得出：进行信号（窗口摘要）的傅立叶变换。
使用三角形重叠窗口，将以上获得的光谱的功率映射到mel刻度上。
记录每个梅尔频率下的功率对数。
它是提供的免费的美国英语语料库，其中包含10位说话者（5位女性和5位男性）的讲话。
每个说话者大约有350种话语。
理论语音特征提取此处使用梅尔频率倒谱系数（MFCC），因为它们可在说话者验证中提供最佳结果。
MFCC通常如下得出：进行信号（窗口摘要）的傅立叶变换。
使用三角形重叠窗口，将以上获得的光谱的功率映射到mel刻度上。
记录每个梅尔频率下的功率对数。
2023/5/29 20:06:48
18.1MB
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
Kaldi单音素GMM学习条记。
从原理、剧本、法度圭表标准以及类四个方面介绍单音素GMM以及Kaldi代码。
Kaldi单音素GMM学习条记。
从原理、剧本、法度圭表标准以及类四个方面介绍单音素GMM以及Kaldi代码。
Kaldi单音素GMM学习条记。
从原理、剧本、法度圭表标准以及类四个方面介绍单音素GMM以及Kaldi代码。
从原理、剧本、法度圭表标准以及类四个方面介绍单音素GMM以及Kaldi代码。
Kaldi单音素GMM学习条记。
从原理、剧本、法度圭表标准以及类四个方面介绍单音素GMM以及Kaldi代码。
Kaldi单音素GMM学习条记。
从原理、剧本、法度圭表标准以及类四个方面介绍单音素GMM以及Kaldi代码。
2023/5/5 19:23:57
785KB
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