基于各种分类算法的说话人识别（年龄段识别）

基于各种分类算法的语音分类（年龄段识别）

概述

实习期间作为帮手打杂进行了一段时间的语音识别研究，内容是基于各种分类算法的语音的年龄段识别，总结一下大致框架，基本思想是：

获取语料库
TIMIT
提取数据特征，进行处理
MFCC/i-vector
LDA/PLDA/PCA
语料提取，基于分类算法进行分类
SVM/SVR/GMM/GBDT...

用到的工具有HTK(C,shell)/Kaldi(C++,shell)/LIBSVM(Python)/scikit-learn(Python)

获取语料库

TIMIT语料库 http://www.cnblogs.com/welen/p/3782804.html

PS：

TIMIT的语料语音（即子文件夹下的WAV文件）是SPHERE文件，可以用Kaldi转换
TIMIT/DOC/SPKRINFO.TXT中为speaker信息，作为分类条件

提取数据特征，进行处理

将SPHERE文件转换为WAV文件

Kaldi中tools下有SPHERE文件转换工具sph2pipe.exe

cd kaldi/kaldi-trunk/tools/sph2pipe_v2.5/

转换方法

sph2pipe -f wav sourcefile targetfile

用re_sph2pipe.py脚本生成sph2pipe转换文件

#encoding="utf-8"
import os
import os.path
rootdir = "E:/vc/TIMIT"
timitpath = "/home/zhangzd/kaldi/kaldi-trunk/TIMIT"
sph2pipepath = "/home/zhangzd/kaldi/kaldi-trunk/tools/sph2pipe_v2.5/sph2pipe"
f = open('E:/vc/data/mfcc/make_sph2pipe_file.txt','w')
for root,dirs,files in os.walk(rootdir):
 for fn in files:
    if fn[len(fn)-3:len(fn)]=='WAV':
        sourcefile = timitpath+root[len(rootdir):]+"/"+fn
        targetfile = root[len(root)-5:len(root)]+"_"+fn
        s = sph2pipepath + " -f wav " + sourcefile+" "+targetfile+"\n"
        f.write(s.replace('\\','/'))
f.close()

得到的转换文件make_sph2pipe_file.txt如下

/home/zhangzd/kaldi/kaldi-trunk/tools/sph2pipe_v2.5/sph2pipe -f wav /home/zhangzd/kaldi/kaldi-trunk/TIMIT/CONVERT/SA1.WAV NVERT_SA1.WAV
/home/zhangzd/kaldi/kaldi-trunk/tools/sph2pipe_v2.5/sph2pipe -f wav /home/zhangzd/kaldi/kaldi-trunk/TIMIT/TIMIT/TEST/DR1/FAKS0/SA1.WAV FAKS0_SA1.WAV
/home/zhangzd/kaldi/kaldi-trunk/tools/sph2pipe_v2.5/sph2pipe -f wav /home/zhangzd/kaldi/kaldi-trunk/TIMIT/TIMIT/TEST/DR1/FAKS0/SA2.WAV FAKS0_SA2.WAV
...

最后在linux下执行shell命令

#!bin/sh
while read line
do
  echo $line
done make_sph2pipe_file.txt

PS：
f.write(s.replace('\\','/'))是因为在windows下用\\表示路径，在linux下用/表示

在Kaldi中生成MFCC特征

解析/home/zhangzd/kaldi/kaldi-trunk/egs/wsj/s5/steps/make_mfcc.sh
中提取特征代码为

$cmd JOB=1:$nj $logdir/make_mfcc_${name}.JOB.log \
  compute-mfcc-feats --verbose=2 --config=$mfcc_config \
   scp,p:$logdir/wav_${name}.JOB.scp ark:- \| \
    copy-feats --compress=$compress ark:- \
    ark,scp:$mfccdir/raw_mfcc_$name.JOB.ark,$mfccdir/raw_mfcc_$name.JOB.scp \
    || exit 1;

即生成MFCC命令为

compute-mfcc-feats --verbose=2 --config=config.txt scp,p:scp.txt ark:-|copy-feats ark:- ark,scp:mfcc.ark,mfcc.scp

config.txt格式为

--use-energy=false   # only non-default option.
...

scp.txt格式为

FAKS0_SA1 /home/zhangzd/kaldi/kaldi-trunk/src/test/FAKS0_SA1.WAV

mfcc.scp格式为

FAKS0_SA1 /home/zhangzd/kaldi/kaldi-trunk/src/test/mfcc.ark

mfcc.ark会自动生成

HTK中生成MFCC特征

HTK更为简单

HCopy -c config.txt -S scp.txt