語者辨識，或者稱為說話人識別，是通過對說話人語音信號的分析處理，確認其是否在所記錄的語者集合中並確認說話人身份的一種技術。
基本介紹
- 中文名：語者辨識
- 外文名：Speaker Recognition
- 別名：說話人識別
- 套用：語音撥號、客戶服務熱線等
概述,系統結構,適用語者辨識的模型,
概述
語者識別與語音識別技術相似，都是在對原始語音信號的特徵分析的基礎上，建立相應的參考模型並按照一定的規則對語音信號進行識別。不同的是，語音識別力求將不同說話人的語音差異歸一化，而語者識別側重於挖掘不同說話人語音信號中的特徵差異。語者識別是一種新興技術，可 以套用在語音撥號、客戶服務熱線、電話購物等一系列的商務自動化的領域中。
系統結構
一般建立並套用一個語者識別系統需要兩個不同的階段，即訓練階段和識別階段。在訓練階段中，系統的每一個說話者說若干訓練語料，系統根據這些語料，通過訓練學習得到描述該說話者發音的模版模型或者機率模型，並組織成一個說話人模型庫。而在識別階段中，把從待識別語者說出的語音信號中提取的特徵參數，與在訓練過程中得到的說話人模型庫進行匹配，並且根據一定的相似性準則進行判定，最終輸出識別結果。
適用語者辨識的模型
目前為止效能較高的語者辨識模型大致分為下列幾種:
(1) 隱藏式馬可夫模型(HMM, Hidden Markov Model)：主要方式是把每位語者的聲音依語言學的分類，定義一個一個單獨的音素(phone)，每個音素再用一個 HMM 來描述。
(2) 高斯混合模型(GMM, Gaussian Mixture Model)：為 HMM 的 簡化版，主要是把語者的聲音特性分群，之後每一群聲學特性用一高斯分布來描述。
(3) 類神經網路(Neural Networks)：如 RNN、RBF 網路等。
(4) 聲學知識基礎模型：如專家系統。
