从一组 MFCC 向量中重建语音信号似乎效果很好，但我听说 MFCC 的一个优点是说话人独立性，即对于给定音素，它们在不同说话人之间或多或少是相同的。那么，如何从一个所谓的与说话者无关的 MFCC 向量重建一个语音信号及其所有与说话者相关的特性（口音等）？那么MFCC实际上不是独立于说话者的吗？如果不是，是什么决定了说话者独立与说话者依赖？
谢谢。
如果 MFCC 向量与说话人无关，那么我们如何从中重建独特的语音信号？
信息处理
语音识别
mfcc
独立
2022-02-10 00:51:52
1个回答
首先，在您链接到的 MFCC 重建实验中存在一些严重的“作弊”：不仅使用了 MFCC，还使用了浊音/清音位和音高。
MFCC 不是独立于扬声器的。事实上，它们用于说话人识别/验证任务！
说话者的“特质”既存在于他们的韵律中（由这个重建实验保留，因为音高是作为重建过程的辅助信息提供的）和发音/音色（由 MFCC 保留）。
要使 MFCC 用于与说话者无关的识别，需要两个要素：
声道长度归一化。线性变换（MFCC 向量的矩阵乘法）可以相对较好地映射两个说话者说同一个句子的 MFCC 序列。因此，即使 MFCC 不是独立于说话者的，也可以优化一个“扁平化”特定于说话者的细节的变换矩阵。
声学建模。对特定的声学单元使用大量高斯（或任何具有大容量的分类器）可以捕获所有变化。
其它你可能感兴趣的问题