1樓：Leon晉
我覺得這個問題，無論是ubm-ivector還是embedding，都要做一次才知道哪個好。不過，如果如果資料量比較少的話，即使短語音，恐怕還是ivector占上風；只有當資料量上來之後，embedding才有一定的保障。另外，較短的短語音確實會給T的協方差矩陣帶來較大的方差，ivector估計時就會有更大的不確定性，但如果訓練集和測試集都是同文字內容，兩者都是短語音，T矩陣還是靠得住的，至少在時長上的失配問題還可以接受~
我曾經為幾個短語音文字相關的聲紋任務做過embedding的系統，資料的具體細節已經不大記得了，只是印象中資料量不多，訓練集總時長只有幾百小時。無論是resnet、lstm+attention，還是tdnn，再就是基於metric learning的loss functions，最後結果也就到4%IC-EER左右。但是ubm-ivector可以有IC-EER2%的效能（前提是懂得優化JFA和PLDA等等）……如果訓練的資料集再漂亮一點，ivector可以做到0.
5%以內，但embedding才1%上下
2樓：
不對吧 GMM-UBM，ivector這類在長時的效果比較好。短時間用NN提取的speaker embedding要比傳統GMMUBM ivector的EER低很多……
有沒有語音轉文字的APP？
獨上高山看風景 男女對次深夜同床1個多小時，又是青春期，摸摸親親之後就越界了，尤其是女孩自願的這種可能性很大。大學為啥開房的多，並不是年齡大了成熟了，而是沒人管理，自由了，現在這種自由正在走向高中 初中。 小胖子 我推薦這款軟體的主要原因是這是一款免費的語音轉文字軟體，相比起其他收費產品，這個錄音神...
哪一家的中文 TTS engine 文字至語音引擎 最好？
抹茶醬 TTS是Text To Speech的縮寫，即 從文字到語音 是人機對話的一部分，讓機器能夠說話。說白了，TTS就是文字轉語音，或者說是文字合成語音。可以應用的行業就很廣泛了，從跟城市建設相關的能源製造等行業，到金融區塊鏈新零售大資料，到跟老百姓息息相關的教育購物交通醫療，無一離不開TTS的...
針對特定少數物件進行的語音 文字轉換訓練能否實現？
吳建民 利益相關，先安利一下廠裡的語音自訓練平台 模型在業務場景的識別率平均訓練提公升5 25 真正有效解決了 垂直場景中語音識別的文字不准 業務側對文字後處理難度很高 公司缺少模型訓練的演算法能力 等問題。一 如果是自研採用只有語音識別的解決方案，實踐上可能存在以下困難 錄音環境 裝置不可控。雖然...