下面打算用aishell来做声纹识别，在做声纹识别之前，肯定是要对run.sh这个文件做个深入的了解，才可以继续往下走，接下来会记录如何修改run.sh去运行自己的数据，而不是手动输入自己的数据。。。。因为自己的数据很多，手动是肯定没办法实现的了。
小白一枚，望指正。
做声纹识别 就要选择aishell/V1，这里是kaldi的github地址：https://github.com/kaldi-asr/kaldi
下载压缩数据
data=/export/a05/xna/data
data_url=www.openslr.org/resources/33
. ./cmd.sh
. ./path.sh
set -e # exit on error
local/download_and_untar.sh $data $data_url data_aishell
local/download_and_untar.sh $data $data_url resource_aishell
数据准备
local/aishell_data_prep.sh $data/data_aishell/wav $data/data_aishell/transcript
这里主要用到data_aishell数据，resource_aishell那里没有怎么用到，代码在local/aishell_data_prep.sh，其中数据集有train（340人）、dev（40人）（好像没用到）、test（20人）三个文件夹，在aishell_data_prep.sh代码中，也替我们准备了必要的数据（utt2spk、wav.scp、text），这样就不需要我们自己手动输入了。
提取MFCC特征
# Now make MFCC features.
# mfccdir should be some place with a largish disk where you
# want to store MFCC features.
mfccdir=mfcc
for x in train test; do
steps/make_mfcc.sh --cmd "$train_cmd" --nj 10 data/$x exp/make_mfcc/$x $mfccdir
sid/compute_vad_decision.sh --nj 10 --cmd "$train_cmd" data/$x exp/make_mfcc/$x $mfccdir
utils/fix_data_dir.sh data/$x
done
提取MFCC这一步主要有两小个步骤，第一个是用steps/make_mfcc.sh来提取MFCC特征，第二步是通过sid/compute_vad_decision.sh来计算基于energy的VAD output，就是计算倒谱均值和方差归一化。
然后回生成两个文件夹，mfcc 和 exp/make_mfcc，其中 mfcc 里主要保存了提取的特征，而 exp/make_mfcc 里保存了日志，即log 文件。
训练UBM
# train diag ubm
sid/train_diag_ubm.sh --nj 10 --cmd "$train_cmd" --num-threads 16 \
data/train 1024 exp/diag_ubm_1024
#train full ubm
sid/train_full_ubm.sh --nj 10 --cmd "$train_cmd" data/train \
exp/diag_ubm_1024 exp/full_ubm_1024
在sid/train_diag_ubm.sh中，有一段小讲解：这是steps / train_diag_ubm.sh的修改版本，专门用于说话人识别，不需要从训练有素的模型开始，适用滑动窗口CMVN，它需要数据目录中的语音活动检测（vad.scp）。我们使用gmm-global-init-from-feats初始化GMM，它设置随机数据点的均值，然后在内存中进行一些EM迭代。在内存初始化之后，我们并行训练几次迭代。
在sid/train_full_ubm.sh，也有一段小讲解：这将从现有（对角线或完整）UBM训练完全协方差UBM，持续指定的迭代次数。这是针对speaker-id系统的（我们使用专门针对它的功能和vad）。
看完这两段话后，基本可以了解其用意，用先训练的diag_ubm来训练完整的UBM。
训练和提取ivector
#train ivector
sid/train_ivector_extractor.sh --cmd "$train_cmd --mem 10G" \
--num-iters 5 exp/full_ubm_1024/final.ubm data/train \
exp/extractor_1024
#extract ivector
sid/extract_ivectors.sh --cmd "$train_cmd" --nj 10 \
exp/extractor_1024 data/train exp/ivector_train_102
在exp/extractor_1024可以看到提取的ivector。
训练plda模型
#train plda
$train_cmd exp/ivector_train_1024/log/plda.log \
ivector-compute-plda ark:data/train/spk2utt \
'ark:ivector-normalize-length scp:exp/ivector_train_1024/ivector.scp ark:- |' \
exp/ivector_train_1024/plda
用训练集的 ivector 来训练 plda 模型用于打分,可以从exp/ivector_train_1024/plda中查看plda的分数。
划分训练集（test）为enroll和eval
#split the test to enroll and eval
mkdir -p data/test/enroll data/test/eval
cp data/test/{spk2utt,feats.scp,vad.scp} data/test/enroll
cp data/test/{spk2utt,feats.scp,vad.scp} data/test/eval
local/split_data_enroll_eval.py data/test/utt2spk data/test/enroll/utt2spk data/test/eval/utt2spk
trials=data/test/aishell_speaker_ver.lst
local/produce_trials.py data/test/eval/utt2spk $trials
utils/fix_data_dir.sh data/test/enroll
utils/fix_data_dir.sh data/test/eval
提取enroll和eval的ivector并计算结果
#extract enroll ivector
sid/extract_ivectors.sh --cmd "$train_cmd" --nj 10 \
exp/extractor_1024 data/test/enroll exp/ivector_enroll_1024
#extract eval ivector
sid/extract_ivectors.sh --cmd "$train_cmd" --nj 10 \
exp/extractor_1024 data/test/eval exp/ivector_eval_1024
#compute plda score
$train_cmd exp/ivector_eval_1024/log/plda_score.log \
ivector-plda-scoring --num-utts=ark:exp/ivector_enroll_1024/num_utts.ark \
exp/ivector_train_1024/plda \
ark:exp/ivector_enroll_1024/spk_ivector.ark \
"ark:ivector-normalize-length scp:exp/ivector_eval_1024/ivector.scp ark:- |" \
"cat '$trials' | awk '{print \\\$2, \\\$1}' |" exp/trials_out
#compute eer
awk '{print $3}' exp/trials_out | paste - $trials | awk '{print $1, $4}' | compute-eer -
在将测试集分成注册集和评估集之后，就开始分别提取注册集和评估集的 ivector，然后按照生成的 trials 打分，最终打分结果输出在exp/trials_outt 中, 最终跑出来的结果为 eer 为 0.183%。
流程图
有位大神yutouwd绘画了一个流程图，原文：https://yutouwd.github.io/posts/364e185b/
参考：
https://blog.csdn.net/eqiang8848/article/details/81543599
https://yutouwd.github.io/posts/364e185b/
