下面打算用aishell來做聲紋識别，在做聲紋識别之前，肯定是要對run.sh這個檔案做個深入的了解，才可以繼續往下走，接下來會記錄如何修改run.sh去運作自己的資料，而不是手動輸入自己的資料。。。。因為自己的資料很多，手動是肯定沒辦法實作的了。
小白一枚，望指正。
做聲紋識别 就要選擇aishell/V1，這裡是kaldi的github位址：https://github.com/kaldi-asr/kaldi
下載下傳壓縮資料
data=/export/a05/xna/data
data_url=www.openslr.org/resources/33
. ./cmd.sh
. ./path.sh
set -e # exit on error
local/download_and_untar.sh $data $data_url data_aishell
local/download_and_untar.sh $data $data_url resource_aishell
資料準備
local/aishell_data_prep.sh $data/data_aishell/wav $data/data_aishell/transcript
這裡主要用到data_aishell資料，resource_aishell那裡沒有怎麼用到，代碼在local/aishell_data_prep.sh，其中資料集有train(340人)、dev(40人)(好像沒用到)、test(20人)三個檔案夾，在aishell_data_prep.sh代碼中，也替我們準備了必要的資料(utt2spk、wav.scp、text)，這樣就不需要我們自己手動輸入了。
提取MFCC特征
# Now make MFCC features.
# mfccdir should be some place with a largish disk where you
# want to store MFCC features.
mfccdir=mfcc
for x in train test; do
steps/make_mfcc.sh --cmd "$train_cmd" --nj 10 data/$x exp/make_mfcc/$x $mfccdir
sid/compute_vad_decision.sh --nj 10 --cmd "$train_cmd" data/$x exp/make_mfcc/$x $mfccdir
utils/fix_data_dir.sh data/$x
done
提取MFCC這一步主要有兩小個步驟，第一個是用steps/make_mfcc.sh來提取MFCC特征，第二步是通過sid/compute_vad_decision.sh來計算基于energy的VAD output，就是計算倒譜均值和方差歸一化。
然後回生成兩個檔案夾，mfcc 和 exp/make_mfcc，其中 mfcc 裡主要儲存了提取的特征，而 exp/make_mfcc 裡儲存了日志，即log 檔案。
訓練UBM
# train diag ubm
sid/train_diag_ubm.sh --nj 10 --cmd "$train_cmd" --num-threads 16 \
data/train 1024 exp/diag_ubm_1024
#train full ubm
sid/train_full_ubm.sh --nj 10 --cmd "$train_cmd" data/train \
exp/diag_ubm_1024 exp/full_ubm_1024
在sid/train_diag_ubm.sh中，有一段小講解：這是steps / train_diag_ubm.sh的修改版本，專門用于說話人識别，不需要從訓練有素的模型開始，适用滑動視窗CMVN，它需要資料目錄中的語音活動檢測(vad.scp)。我們使用gmm-global-init-from-feats初始化GMM，它設定随機資料點的均值，然後在記憶體中進行一些EM疊代。在記憶體初始化之後，我們并行訓練幾次疊代。
在sid/train_full_ubm.sh，也有一段小講解：這将從現有(對角線或完整)UBM訓練完全協方差UBM，持續指定的疊代次數。這是針對speaker-id系統的(我們使用專門針對它的功能和vad)。
看完這兩段話後，基本可以了解其用意，用先訓練的diag_ubm來訓練完整的UBM。
訓練和提取ivector
#train ivector
sid/train_ivector_extractor.sh --cmd "$train_cmd --mem 10G" \
--num-iters 5 exp/full_ubm_1024/final.ubm data/train \
exp/extractor_1024
#extract ivector
sid/extract_ivectors.sh --cmd "$train_cmd" --nj 10 \
exp/extractor_1024 data/train exp/ivector_train_102
在exp/extractor_1024可以看到提取的ivector。
訓練plda模型
#train plda
$train_cmd exp/ivector_train_1024/log/plda.log \
ivector-compute-plda ark:data/train/spk2utt \
'ark:ivector-normalize-length scp:exp/ivector_train_1024/ivector.scp ark:- |' \
exp/ivector_train_1024/plda
用訓練集的 ivector 來訓練 plda 模型用于打分,可以從exp/ivector_train_1024/plda中檢視plda的分數。
劃分訓練集(test)為enroll和eval
#split the test to enroll and eval
mkdir -p data/test/enroll data/test/eval
cp data/test/{spk2utt,feats.scp,vad.scp} data/test/enroll
cp data/test/{spk2utt,feats.scp,vad.scp} data/test/eval
local/split_data_enroll_eval.py data/test/utt2spk data/test/enroll/utt2spk data/test/eval/utt2spk
trials=data/test/aishell_speaker_ver.lst
local/produce_trials.py data/test/eval/utt2spk $trials
utils/fix_data_dir.sh data/test/enroll
utils/fix_data_dir.sh data/test/eval
通過local/split_data_enroll_eval.py腳本來完成劃分，劃分後，就會通過local/produce_trials.py來計算trials，trials 是指需要進行打分的注冊說話人和不同的語音的一個清單，格式如下：
提取enroll和eval的ivector并計算結果
#extract enroll ivector
sid/extract_ivectors.sh --cmd "$train_cmd" --nj 10 \
exp/extractor_1024 data/test/enroll exp/ivector_enroll_1024
#extract eval ivector
sid/extract_ivectors.sh --cmd "$train_cmd" --nj 10 \
exp/extractor_1024 data/test/eval exp/ivector_eval_1024
#compute plda score
$train_cmd exp/ivector_eval_1024/log/plda_score.log \
ivector-plda-scoring --num-utts=ark:exp/ivector_enroll_1024/num_utts.ark \
exp/ivector_train_1024/plda \
ark:exp/ivector_enroll_1024/spk_ivector.ark \
"ark:ivector-normalize-length scp:exp/ivector_eval_1024/ivector.scp ark:- |" \
"cat '$trials' | awk '{print \\\$2, \\\$1}' |" exp/trials_out
#compute eer
awk '{print $3}' exp/trials_out | paste - $trials | awk '{print $1, $4}' | compute-eer -
在将測試集分成注冊集和評估集之後，就開始分别提取注冊集和評估集的 ivector，然後按照生成的 trials 打分，最終打分結果輸出在exp/trials_outt 中, 最終跑出來的結果為 eer 為 0.183%。
流程圖
流程圖