在声纹中是否有任何与文本无关的功能

Question

我是演讲和演讲者识别问题的新手我明确了mfcc的工作方式，但据我所知（并且发现），不同单词之间的系数会有所不同。我的问题：还有其他任何与文本无关的特征提取方法吗？如果是这样，请参考他们。 任何提示都会非常有用。 提前谢谢。

Answer 1

文本无关的含义尚不清楚。 MFCC（和任何其他）特征是实系数的矢量。类似的音频帧（就人类感知而言）可能会给你相似的系数，但它们也可能没有。如果我们谈论语音识别，那么背景噪声和个别语音特征可以大大改变系数。这就是为什么使用诸如GMM或DNN的分类器来确定给定特定MFCC的语音单元的原因。如果您对其他特征提取算法感兴趣，可以阅读有关LPC和PLP特征的信息。