简评：声纹识别可以说是非常酷了 ~

戳链接直接试用：Voice Vector Webpage

每个人都有自己的声音，不同的人会有不同的声音。

有些人是萝莉音，有些人则是铁观音。

有些人的声音听起来很像，有些人则完全不同。

（突然正经）

这个项目基于分类模型的体系结构，利用神经网络，使用 VoxCeleb 数据集来查找单个语音向量（voice vectors），其中包含 1251 名好莱坞明星的 145379 句话语。数据集概况：

• 性别分布：690 名男性；561 名女性
• 年龄分布：20+, 30+, 40+, 50+, 60+（岁）分别为 136, 351, 318, 210, 236

Architectures

在神经网络训练的每一步，演讲者都是随机的。语音向量与文本无关，这意味着来自同一讲话者的任何一对话语都具有相似的语音向量。矢量距离越近，声音越相似。

使用 t-SNE 进行可视化时，声音有明显地依性别分类的趋势：

上方蓝点为 male，下方蓝点为 female

不过并没有年龄相关性的表现：

由此也一定程度上解释了，为什么有些人能完美模仿正太音、萝莉音、少女音和御姐音。（一个猜测，不一定对）

好了快回到文首玩玩这个声纹识别吧 ~

Github：andabi/voice-vector
推荐阅读：用 150 行 Python 代码写的量子计算模拟器