声纹识别答疑

2015-04-13 11:28:34 +08:00
 sqbing

目前在做一个与声纹识别有关的项目,应用场景和微信摇电视功能差不多,手机麦克风采集,然后和后台的视频流对比对。

实际做起来发现,准确率低的可怜,不知道是不是自己的方法有问题,又或者参数选取有问题。请这方面的朋友看看,帮忙理一理思路。

处理流程包括,麦克风采集(wav文件),声纹计算(MFCC),声纹匹配(DTW)。

4007 次点击
所在节点    问与答
12 条回复
Themyth
2015-04-13 11:33:42 +08:00
太高端了 ,不懂,帮顶。。
--------------

很好奇,是不是用声音可以加密啊?
sqbing
2015-04-13 11:51:08 +08:00
@Themyth 理论上来说很简单,MFCC的方法是上个世纪就提出来并且广泛使用的,很多项目也证明了声纹识别是可以实现的,比如echoprint和微信
yghack
2015-04-13 11:55:33 +08:00
还是算法识别率的问题吧
我原来做过指纹识别,尝试了很多种方法,算法差别很大。
jdnull
2015-04-13 12:25:31 +08:00
信道差别影响可能会很大;另外你的声纹匹配是硬匹配么?可以考虑把问题转化为分类问题,用一些分类算法做
miaoever
2015-04-13 12:43:54 +08:00
模式识别无非就是要不特征牛,要不分类器牛。如果都不行,那效果也可想而知。
liuweisj
2015-04-14 10:24:44 +08:00
可以试试把声纹转成文本,用simhash计算距离来做相似度比较
sqbing
2015-04-16 08:13:33 +08:00
@yghack 算法倒是没多大差别,就是不同的实现效率不一样
sqbing
2015-04-16 08:15:07 +08:00
@jdnull 似乎很难转化为分类问题,而且我也没有办法做样本训练,用于校验的声音源是电视台的直播
sivacohan
2015-06-05 08:51:34 +08:00
声纹识别目前还是一个概念级的东西。
声纹识别的难点在于不同设备录音会引入不同的噪音。并且采样率,位宽不同都会造成影响。
MFCC的问题在于理论上是对的,但实际上把主音,背景噪音,电流噪音,mic噪音都去掉,可以有效用于识别的频道就很窄了。
PS,如果识别准确率能达到30%,你就已经很厉害了。
sqbing
2015-06-08 08:21:30 +08:00
@sivacohan 我描述的声纹识别相对来说很简单,不设计分词等等,只是单纯的波形匹配。目前的准确率在80%左右,不过你描述的噪音问题确实存在,我也在想办法提高信噪比。
目前我的问题是性能不足,高并发情况下,处理效率太低了,主要是DTW算法的问题,离上线还有段距离。
sivacohan
2015-06-08 09:10:23 +08:00
@sqbing 有空Gtalk聊。
astonysh
2015-12-20 13:50:40 +08:00
这个为啥要自己做?国内有提供专业解决方案的公司: http://acrcloud.cn

这是一个专为移动设备优化的页面(即为了让你能够在 Google 搜索结果里秒开这个页面),如果你希望参与 V2EX 社区的讨论,你可以继续到 V2EX 上打开本讨论主题的完整版本。

https://www.v2ex.com/t/183372

V2EX 是创意工作者们的社区,是一个分享自己正在做的有趣事物、交流想法,可以遇见新朋友甚至新机会的地方。

V2EX is a community of developers, designers and creative people.

© 2021 V2EX