语音信号处理实验教程配套matlab代码，GMM。可以实现基本的训练和识别。

本人在MATLAB平台上设计了具体的说话人识别系统用户界面。在实验当中实现的功能有采集语音、预处理、特征提取、识别，如：对说话人进行实时录制并进行处理之后存到训练语音行列中；实时为说话人进行录音并进行处理，然后对训练语音进行匹配，得出较理想的结果。通过这个实验让本人对关于语音识别的理论知识有了更深层的了解并对已理解的部分知识起了验证的效果。

需要和voicebox配合使用，使用voicebox提取MFCC和k均值分类，这是GMM说话人识别模型的训练程序。

使用PaddlePaddle实现声纹识别的预训练模型，更大数据训练的。 源码地址：https://github.com/yeyupiaoling/VoiceprintRecognition_PaddlePaddle

基于Keras实现的声纹识别预训练模型，大数据训练的模型，源码地址：https://github.com/yeyupiaoling/VoiceprintRecognition-Keras

首先，单击“选择声音”选择输入声音。 那么你就可以- 将此声音添加到数据库（单击“将选定的声音添加到数据库” - 执行说话人识别（点击“说话人识别”按钮） 注意：如果要执行说话人识别数据库必须至少包含一种声音。 如果您选择将声音添加到数据库，则需要一个正整数（扬声器 ID）。 这个正整数是一个累进的数字，它标识一个人（每个人对应一个类）。

关于 这是带有GUI的系统。 有关此项目的更多详细信息，请参见： 我们的 我们的 依存关系 可用于更轻松地开始该项目。 Linux，Python 2 ， ， ， ： pip install --user scikit-learn scikits.talkbox pyssp PyAudio ，通常可以由您的软件包管理器安装。 （可选） Python绑定： 安装闪电战，openblas，boost，然后： for p in bob.extension bob.blitz bob.core bob.sp bob.ap; do pip install --user $p done 注意：我们自己有一个MFCC实现，当bob不可用时，该实现将用作备用。 但是它不如bob中的C实现高效。 使用的算法 语音活动检测（VAD）： （LTSD） 特点： （MFCC） （L

基于语音信号的不同类型说话人识别

基于GMM的说话人识别（C代码），其中包括了GMM.C和MFCC.C，以及它们的头文件。

Auto Speaker Recognition main.py the main file for test audio_record.py record audio from micro phone count_days.py count days between two date. 20110805 20160903 mfcc_feature.py extract mfcc feature from wav files SGD.model* the trained model on train set , and the accurate is 70% util.py contains the most useful functions train train data is 75% of all the data test test data is 25% of all the data and has no overlap with train set classification_SGD.py is the main classification function py file , and it use