前言

使用环境：

• Anaconda 3
• Python 3.8
• Pytorch 1.13.1
• Windows 10 or Ubuntu 18.04

项目特性

1. 支持模型：EcapaTdnn、TDNN、Res2Net、ResNetSE
2. 支持池化层：AttentiveStatsPool(ASP)、SelfAttentivePooling(SAP)、TemporalStatisticsPooling(TSP)、TemporalAveragePooling(TAP)
3. 支持损失函数：AAMLoss、AMLoss、ARMLoss、CELoss
4. 支持预处理方法：MelSpectrogram、Spectrogram、MFCC

安装环境

• 首先安装的是Pytorch的GPU版本，如果已经安装过了，请跳过。

conda install pytorch==11.13.1 torchvision==0.14.1 torchaudio==0.13.1 pytorch-cuda=11.6 -c pytorch -c nvidia

• 安装ppvector库。

使用pip安装，命令如下：

python -m pip install mvector -U -i https://pypi.tuna.tsinghua.edu.cn/simple

使用指南

1. 环境准备

1.1 安装依赖

# 使用conda创建环境（可选）
conda create -n voiceprint python=3.8
conda activate voiceprint

# 安装项目依赖
pip install -r requirements.txt

1.2 准备音频数据

• 在audio_db/目录存放注册语音（建议16kHz单通道wav格式）
• 测试音频建议存放至test_audio/目录

2. 核心功能使用

2.1 训练声纹模型

python train.py \
    --config_path configs/ecapa_tdnn.yml \
    --augmentation_config configs/augmentation.json \
    --save_dir models/

2.2 声纹注册入库

from mvector import MVector
mvector = MVector()
mvector.register_user(name="user1", audio_path="audio_db/user1.wav")

2.3 实时声纹识别

python infer_recognition.py \
    --model_path models/ecapa_tdnn.pth \
    --audio_path test_audio/unknown.wav

2.4 声纹对比验证

python infer_contrast.py \
    --audio1 audio_db/user1.wav \
    --audio2 test_audio/sample.wav \
    --threshold 0.7

3. 降噪预处理

from Reduction_Noise import NoiseReducer
reducer = NoiseReducer("Reduction_Noise/pytorch_model.bin")
clean_audio = reducer.process("noisy_audio.wav")

4. 模型评估

python eval.py \
    --model_path models/ecapa_tdnn.pth \
    --test_csv eval_samples.csv \
    --batch_size 32