1

我将 kaldi 用于 asr,现在我想使用 Kaldi 的 x 向量方法进行说话人分割。他们在 https://github.com/kaldi-asr/kaldi/tree/master/egs/sre16/v2 提供了一些示例分割脚本他们还在https://david-ryan提供了 LDC 语料库的基本预训练模型-snyder.github.io/2017/10/04/model_sre16_v2.html

此预训练模型在未归档时具有以下结构:

在此处输入图像描述

我无法访问 LDC 语料库,我想知道如何根据自己的数据训练模型,然后如何使用该模型进行实际分割?

4

1 回答 1

0

我想知道如何根据自己的数据训练模型

有使用公共数据的voxceleb demo,你可以自己运行。

您还可以将数据格式化为正确的数据结构(创建 data/utt2spk 和 data/wav.scp 文件)并使用您的数据运行。

https://github.com/kaldi-asr/kaldi/tree/master/egs/voxceleb/v2

然后如何使用该模型进行实际分割?

您从演示中的脚本开始,删除未使用的部分。这将为您提供基本的分段演示。您可以调用这个简化的演示,通过应用程序中的 system(2) 调用或以类似方式进行分段。

然后,如果您需要,您可以将脚本转换为相应的 C++ API 调用,并从 C++ 或任何脚本语言调用相同的过程。

于 2018-05-24T17:41:15.280 回答