Kaldi用于ivector和xvector的摘要 文件清单 ivector/ conf/ ：为mfcc和vad配置文件 wav/ ：测试音频（您也可以使用自己的wav路径，请参阅步骤1 ） 仅支持flac（安装flac），wav和sph（安装sph2pipe） model_3000h/ ：预训练模型 enroll.sh ：主进程enroll.sh data/ ：保存提取的特征（已生成文件） utt2spk, wav.scp通过make_data.py生成两个文件 spk2utt ：从utt2spk生成 log/ ：保存所有日志 tmp/ ：保存所有tmp文件 xvector/ c

基于Alize的ivector算法，《声纹识别之Alize入门教程(三)：I-vector》对应资源。https://blog.csdn.net/u012594175/article/details/88726163

Voxceleb1数据集中的说话人验证任务 该存储库包含使用Kaldi在Voxceleb1 [1]数据集上训练i-vector说话者识别系统的简单脚本。 它是根据Kaldi / egs / sre10上的run.sh文件修改的。 要求 卡尔迪工具包 如何使用 将所有文件移至{kaldi_root} / egs / sre10文件夹 修改run.sh文件中的数据集目录和参数以适合您的计算机。 运行run.sh文件 结果 使用voxceleb1训练数据对2048个组件GMM-UBM和600维i-vector提取器进行了训练，以进行验证任务。 与Kaldi egs上的sre10基线相比，训练参数几乎相同。 GMM-2048 CDS有效值：15.39％ GMM-2048 LDA + CDS eer：8.103％ GMM-2048 PLDA eer：5.446％ 笔记 Voxceleb1数据集是

这是有微软开发的说话人识别工具包，里面包含了GMM-UBM，I-vecotr等说话人识别模型。