基于语音的性别识别：使用梅尔频率倒谱系数（MFCC）和高斯混合模型（GMM）的基于语音的性别识别

【文件属性】：
文件名称：基于语音的性别识别：使用梅尔频率倒谱系数（MFCC）和高斯混合模型（GMM）的基于语音的性别识别
文件大小：18.1MB
文件格式：ZIP
更新时间：2021-02-05 17:54:03
data-science machine-learning scikit-learn voice speech 基于语音的性别识别 基于语音的性别识别，使用： 免费的ST美国英语语料库数据集（SLR45） 梅尔频率倒谱系数（MFCC） 高斯混合模型（GMM） 数据集 可以在上找到免费的ST美国英语语料库数据集（SLR45） 。 它是提供的免费的美国英语语料库，其中包含10位说话者（5位女性和5位男性）的讲话。 每个说话者大约有350种话语。 理论 语音特征提取 此处使用梅尔频率倒谱系数（MFCC），因为它们可在说话者验证中提供最佳结果。 MFCC通常如下得出： 进行信号（窗口摘要）的傅立叶变换。 使用三角形重叠窗口，将以上获得的光谱的功率映射到mel刻度上。 记录每个梅尔频率下的功率对数。

【文件预览】：
Voice-based-gender-recognition-master
----hmmCode()
--------FeaturesExtractor.py(2KB)
--------DataManager.py(3KB)
--------GenderIdentifier.py(5KB)
--------ModelsTrainer.py(5KB)
----Run.py(635B)
----requirements.txt(76B)
----.travis.yml(386B)
----LICENSE(1KB)
----README.md(3KB)
----graphVGI.png(43KB)
----Code()
--------FeaturesExtractor.py(2KB)
--------DataManager.py(3KB)
--------GenderIdentifier.py(3KB)
--------ModelsTrainer.py(3KB)
----nnCode()
--------FeaturesExtractor.py(2KB)
--------DataManager.py(3KB)
--------males.hmm(3.83MB)
--------GenderIdentifier.py(7KB)
--------females.hmm(5.54MB)
--------ModelsTrainer.py(6KB)
----genderspeaker.png(57KB)
----svmCode()
--------FeaturesExtractor.py(2KB)
--------DataManager.py(3KB)
--------males.hmm(3.83MB)
--------GenderIdentifier.py(6KB)
--------females.hmm(5.54MB)
--------ModelsTrainer.py(6KB)
----.gitignore(1KB)