دسته بندی گویندگان بر مبنای قطعات یک ثانیه گفتارض

در این مقاله یک روش برای شناسایی گوینده ناوابسته به متن ارائه شده است. تعداد 22 گوینده ) 12 گوینده مرد و 12 گوینده زن( از بانک اطلاعاتی TIMIT انتخاب شده و برای هر گوینده 12 جمله استفاده شده است. گفتار گویندگان به قابهای 22 میلی ثانیه تقسیم شده و برای هر قاب 13 ضریب MFCC به عنوان بردار ویژگی آن قاب محاسبه شده واز ماشین بردار پشتیبان SVM SVM برای دسته بندی گویندگان استفاده شده است. دسته بندی کننده های SVM را با بردارهای ویژگی قابها آموزش داده و برای دسته بندی گویندگان قابهای گفتار گوینده مجهول به SVM هااعمال می شوند. دسته بندی را از روی 122 قاب متوالی، معادل یک ثانیه، انجام شده است و خطای 1.8 درصد بدست آمده است.

کلیدواژه ها:

شناسایی گوینده ، قاب ، TIMIT ، MFCC ، SVM