govpr，基于 golang 实现的 gmm-ubm 算法的说话人识别 (声纹识别) 引擎

再次推下自己的开源项目 govpr，基于golang实现的gmm-ubm算法的说话人识别(声纹识别)引擎，后续考虑推出java版本，c/c++版本，甚至是swift版本。gmm-ubm在声纹识别上已经是比较落后的算法了，完全没法跟现在的i-vector对比，但是gmm-ubm仍然是基础，也是声纹识别入门的重中之重。如果条件允许，也有可能用go再去写一些i-vector算法，甚至是DNN算法的语音识别开源项目。

简介

govpr是golang 实现的基于 GMM-UBM 说话人识别引擎(声纹识别),可用于语音验证,身份识别的场景. 目前暂时仅支持汉语数字的语音,语音格式为wav格式(比特率16000,16bits,单声道)

安装

go get github.com/liuxp0827/govpr

示例

如下是一个简单的示例. 可跳转至 example 查看详细的例子,示例中的语音为纯数字8位数字.语音验证后得到一个得分,可设置阈值来判断验证语音是否为注册训练者本人.

package main

import (
    "github.com/liuxp0827/govpr"
    "github.com/liuxp0827/govpr/log"
    "github.com/liuxp0827/govpr/waveIO"
    "io/ioutil"
)

type engine struct {
    vprEngine *govpr.VPREngine
}

func NewEngine(sampleRate, delSilRange int, ubmFile, userModelFile string) *engine {
    return &engine{
        vprEngine: govpr.NewVPREngine(sampleRate, delSilRange, ubmFile, userModelFile),
    }
}

func (this *engine) DestroyEngine() {
    this.vprEngine = nil
}

func (this *engine) TrainSpeech(buffers [][]byte) error {

    var err error
    count := len(buffers)
    for i := 0; i < count; i++ {
        err = this.vprEngine.AddTrainBuffer(buffers[i])
        if err != nil {
            log.Error(err)
            return err
        }
    }

    defer this.vprEngine.ClearTrainBuffer()
    defer this.vprEngine.ClearAllBuffer()

    err = this.vprEngine.TrainModel()
    if err != nil {
        log.Error(err)
        return err
    }

    return nil
}

func (this *engine) RecSpeech(buffer []byte) error {

    err := this.vprEngine.AddVerifyBuffer(buffer)
    defer this.vprEngine.ClearVerifyBuffer()
    if err != nil {
        log.Error(err)
        return err
    }

    err = this.vprEngine.VerifyModel()
    if err != nil {
        log.Error(err)
        return err
    }

    Score := this.vprEngine.GetScore()
    log.Infof("vpr score: %f", Score)
    return nil
}

func main() {
    log.SetLevel(log.LevelDebug)

    vprEngine := NewEngine(16000, 50, "../ubm/ubm", "model/test.dat")
    trainlist := []string{
        "wav/train/01_32468975.wav",
        "wav/train/02_58769423.wav",
        "wav/train/03_59682734.wav",
        "wav/train/04_64958273.wav",
        "wav/train/05_65432978.wav",
    }

    trainBuffer := make([][]byte, 0)

    for _, file := range trainlist {
        buf, err := loadWaveData(file)
        if err != nil {
            log.Error(err)
            return
        }
        trainBuffer = append(trainBuffer, buf)
    }

    verifyBuffer, err := waveIO.WaveLoad("wav/verify/34986527.wav")
    if err != nil {
        log.Error(err)
        return
    }

    vprEngine.TrainSpeech(trainBuffer)
    vprEngine.RecSpeech(verifyBuffer)
}

func loadWaveData(file string) ([]byte, error) {
    data, err := ioutil.ReadFile(file)
    if err != nil {
        return nil, err
    }
    // remove .wav header info 44 bits
    data = data[44:]
    return data, nil
}

前几天已上传基于beego和mysql简单实现的httpapi，功能实现比较仓促所以很戳，有空再优化哈，顺便详细写写文档~~