# VoiceprintRecognition

**Repository Path**: lizhigong/VoiceprintRecognition

## Basic Information

- **Project Name**: VoiceprintRecognition
- **Description**: 使用tensorflow框架和densenet神经网路实现声纹语谱图识别算法，即说话人识别。
- **Primary Language**: Python
- **License**: Apache-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 18
- **Forks**: 9
- **Created**: 2019-09-30
- **Last Updated**: 2023-05-25

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# VoiceprintRecognition

#### 介绍
使用tensorflow框架和densenet神经网路实现声纹语谱图识别算法,即说话人识别。

#### 软件架构
软件架构说明


1.开发框架使用的TensorFlow

2.神经网络架构使用的densenet

### 训练流程：

	（1）下载数据集CommonVoice 网址https://voice.mozilla.org/zh-CN/datasets。输入邮箱即可免费下载。
	（2）下载后解压到当前文件夹下。
	（3）运行VoiceToImg.py中的CommonVoiceSplit()将validated.tsv中标注的mp3文件按人分割目录。分割后可以手工筛选一下，这里学习使用，仅保留20人的数据其余的删除掉，我这里找的都是有5段mp3语音的文件夹（注，文件夹要重命名01~20）
	（4）运行VoiceToImg.py中的ChangeMp3ToWavToImg()将mp3文件批量转换成大量语谱图，每个语谱图代表大概1.5秒的声音，内含声纹特征。
	（5）运行ImgToDataset.py将语谱图打包成训练集和测试集image.train.FRecord，image.test.FRecord。
	（6）运行MyDenseNet.py的train()，开始训练，训练次数可自行配置，网络超参数可调整，深度，densenet块的层数。
	


#### 使用说明

1. mp3转换语谱图的过程需要先转换成wav文件，使用pydub，可以直接pip安装。pyhub依赖ffmpeg，使用Anaconda的朋友可以conda install -c conda-forge ffmpeg安装。
2. mp3转换后的wav需要降采样，使用librosa，可以直接pip安装。
3. 本人新手，代码是近期学习的一些心得体会做的，里面也有一些注释和用法，希望结识一些好汉共同学习，也希望各路高手不吝赐教。

#### 参与贡献

1. Fork 本仓库
2. 新建 Feat_xxx 分支
3. 提交代码
4. 新建 Pull Request


#### 码云特技

1. 使用 Readme\_XXX.md 来支持不同的语言，例如 Readme\_en.md, Readme\_zh.md
2. 码云官方博客 [blog.gitee.com](https://blog.gitee.com)
3. 你可以 [https://gitee.com/explore](https://gitee.com/explore) 这个地址来了解码云上的优秀开源项目
4. [GVP](https://gitee.com/gvp) 全称是码云最有价值开源项目，是码云综合评定出的优秀开源项目
5. 码云官方提供的使用手册 [https://gitee.com/help](https://gitee.com/help)
6. 码云封面人物是一档用来展示码云会员风采的栏目 [https://gitee.com/gitee-stars/](https://gitee.com/gitee-stars/)