🤖bugyu@bugyu

“[pp,nn,ee]=fileparts(filename); 其中 pp 是路径 nn 是文件名 ee是 后缀”

“其实可以把CNN 看做是一种特殊的DNN。 普通的DNN 上层每一个节点的输出是下层节点的加权求和。 CNN 上层每一个 map 是下层 map 的 卷积后再求和。 DNN中的权值连接线变成了CNN中的卷积核。 输入灰度图像可以想象成一个输入节点的DNN， 输入彩色图像可以认为是有3个输入节点的DNN， 以此类推如果用…”

“可以尝试从网上下一个 covarep-master 的matlab 工具包 里面有计算基频F0 的现成函数， 应该能够提供一些有用的参考”

“不知道你的数据的格式是什么样子的 如果是文本格式的话可以试验一下 textscan 函数”

“【 在 RiceGrad 的大作中提到: 】 : 我之前看了一篇Recent Advances in Deep Learning for Speech Research at Microsoft，虽然不是说话人识别，但里面的语音识别正确率也才80%，可能神经网络确实有我不清楚的局限性。 : 另外关于你推荐的工具包，当初…”

“也可以利用kaldi 工具包 里面也有 说话人识别的例子”

“准确率 77% 是比较低的 在TIMIT的数据集上 说话人识别的错误率 不应该超过 5%的”

“神经网络是不适合直接拿来做说话人是别的， 确切的说 语句级别的语音识别都不适合 神经网络来直接做，在我看的文献的中，语音方面的NN分类器都是使用在 语素/音节 级别的。 说话人识别的可以用 GMM的方法 或者 ivector的方法，这个是现在 state of the art 的方法 下载MSR， 一个微软的语音工具包…”