毕业设计-基于pytorch深度学习的声纹识别源码(动漫、游戏)+代码注释+部署说明.zip

声纹识别项目-游戏/动漫 声优识别 注意，本项目经过测试，只能用于无背景音乐下的声纹识别，背景音乐会对结果有很大影响 数据集准备 数据集地址：https://github.com/fighting41love/zhvoice 自己下载下来后，把里面所有的压缩文件都进行解压，解压后结构如下，test_list.txt 和 train_list.txt 是后面生成的，先不管，注意这些训练数据要放到 data 文件夹下。 ├── info ├── metadata.csv ├── readme.md ├── sample ├── test_list.txt ├── text ├── train_list.txt ├── zhaidatatang ├── zhaishell ├── zhbznsyp ├── zhmagicdata ├── zhprimewords ├── zhspeechocean ├── zhstcmds └── zhthchs30 然后我们可以输入 python create_data.py 来对数据集进行处理，这里主要会进行两个操作，第一个是把mp3转换为wav的格式（这个操作比较耗时，可能需要几天），并生成对应的训练数据集文本和测试数据集的文本。第二个是会把一些没用的音频数据删除。 数据集训练 所有的配置信息都在 train.py 里面，自己看着改就可以了，默认情况下不需要改动。 使用 python train.py 就可以开始训练了（RTX3060大概要训练6天时间） 计算 使用 python eval.py 可以计算阈值信息，因为我们是通过余铉距离来计算的进行对比时会得出一个分数，当大于这个分数的时候才可以认为是同一个人。运行后输出的结果如下： 开始提取全部的音频特征... 100%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 5332/5332 [02:02<00:00, 43.48it/s] 开始两两对比音频特征... 100%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 5332/5332 [01:52<00:00, 47.41it/s] 100%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 100/100 [00:05<00:00, 19.94it/s] 当阈值为0.660000, 准确率最大，为：0.999952 运行 python main.py 安装可能遇到的问题 1. error: portaudio.h: No such file or directory 参考：https://stackoverflow.com/questions/48690984/portaudio-h-no-such-file-or-directory ubuntu20.4 可以参考 sudo apt install portaudio19-dev python3-pyaudio