基于SDC特征和GMM-UBM模型的语种识别系统，徐婷婷，，本文提出了一种基于SDC特征和改进的GMM-UBM 模型的自动语种识别方法。SDC特征由许多语音帧的一阶差分谱连接扩展而成，与传统的MFCC特征

TAB技术的关键材料—凸点和UBM系统

语种识别，基于SDC特征和GMM-UBM模型的自动语种识别。

原文：https://blog.csdn.net/qinglingLS/article/details/102926477 不是代码！不是代码！不是代码!代码在上文

matlab集成c代码 使用MSR-Idendity-toolkit 做GMM-UBM实验的过程记录 speaker recognitiong using GMM-UBM, implementing on MSR-Idendity-toolkit. 零、准备工作 下载MSR工具包，该工具包是matlab代码，即.m文件，。 下载ALIZE工具包，用于提取HTK格式的MFCC特征，如安装有HTK并会用HTK来提取MFCC特征可忽略， 一、提取MFCC特征 由于MSR工具包需要使用htk格式的mfcc特征，而HTK的安装有点复杂，因此这里直接使用ALIZE3.0工具包提取mfcc特征，ALIZE就是使用HTK的HCopy提取特征的，好处是不用安装HTK就可以直接使用HCopy，直接下载ALIZE工具包编译后即可使用。ALIZE下载地址：；ALIZE 官网地址： 用ALIZE的HCopy工具提取mfcc特征的步骤 所用代码为： bin/HCopy -C cfg/hcopy_VCTK_mfcc.cfg -T 1 -S VCTK_train_htk.scp 代码解释： Hcopy工具包的位置在M

针对GMM应用于情感识别时区分能力较弱的缺点，提出了一种将GMM与SVM有效结合的算法:基于GMM-UBM多维概率输出的SVM语音情感识别方法。该方法将GMM-UBM模型对一条语音的情感特征参数的两种多维概率输出（与特征向量同维、与GMM阶数同维）作为SVM分类器的特征参数，既利用了GMM表征数据本身统计特性的能力，又保留了SVM判决能力强的特点。在柏林情感语音库与汉语情感语料库上进行的实验结果表明，该方法在语音情感识别上的平均识别率较标准GMM方法提高1.7%3.7%。

基于Alize的GMM-UBM算法，《声纹识别之Alize入门教程(二)：GMM-UBM》对应资源。https://blog.csdn.net/u012594175/article/details/88698118

这是有微软开发的说话人识别工具包，里面包含了GMM-UBM，I-vecotr等说话人识别模型。

本文详细介绍了用于说话人识别的GMM-UBM模型,包括处理流程和模型训练方法

语音中的特征提取，源码来自github，不要用于商业用途，仅供学习。