Resemblyzer:python软件包，用于分析和比较语音与深度学习

Resemblyzer允许您通过深度学习模型（称为语音编码器）来派生语音的高级表示形式。 给定语音音频文件，它将创建256个值的摘要矢量（嵌入，在此repo中通常简称为“嵌入”），该矢量概述了语音的特征。 注意：此存储库可存储100mb的音频数据，以供演示之用。 要单独获取，请运行pip install resemblyzer （需要python 3.5+）。 演示版 演讲者二元化： 识别谁在讲话，而每个演讲者只有几秒钟的参考音频： （点击图片观看视频） 假语音检测： 通过比较12种未知语音（6种真实语音，6种虚假语音）与地面真实参考音频的相似性，对虚假语音进行适度检测。 虚线以上的分数被预测为真实，因此该模型在这里犯了一个错误。 供参考，是获得高分的假冒视频。 可视化流形： 在2D空间中投影100个发声（每个10个扬声器中的10个）的嵌入。 来自同一说话者的话语形成一个紧密的簇。