小欣：这节课，温老师会为我们讲解声纹识别的研究原理。

温正棋：说话人识别也就是声纹识别，简单介绍一下现有的I-vector系统以及如何将DNN应用到对应的I-vector系统，同时我们也跟踪了最近end to end的一种方法。

基于Ivector系统通过UBM模型来训练数据，然后训练得到混合高斯模型，通过统计量的提取比如零阶、一阶、二阶我们来训练它的差异空间T从而提取出它的Ivector。

最后考虑到不同的补偿方式进行信道补偿使性能更加完善，同时我们在合成端、最后识别端也可以考虑不同系统的融合提高最终的准确率。

将DNN用到说话人识别主要是针对Ivector的系统。UBM训练是一个无监督的训练方式不考虑音速相关的信息，因此就不考虑每个人说话音速在声学空间上的不同。

我们可以将这部分信息运用到说话人识别中，将前面提到的Ivector需要的临界统计量通过DNN模型的输出进行替换。在训练Ivector的过程中考虑每个人音速、发音音速相关的不同特征，这样会更好的对说话人进行识别。

DNN还有一种应用形式采用bottleneck特征替换掉原来的MFCC、PLP相关的特征，这也是从音速区分性、每个人发音音速不一样来考虑的。

小欣：下节课，温老师会为我们讲解未来人机交互的研究方向。

【版权归钛媒体所有，未经许可不得转载】