31 lines
1.5 KiB
Python
31 lines
1.5 KiB
Python
import argparse
|
|
import functools
|
|
import sys
|
|
sys.path.append(R"../0_ERes2Net")
|
|
|
|
from mvector.predict import MVectorPredictor
|
|
from mvector.utils.utils import add_arguments, print_arguments
|
|
|
|
parser = argparse.ArgumentParser(description=__doc__)
|
|
add_arg = functools.partial(add_arguments, argparser=parser)
|
|
# add_arg('configs', str, 'configs/eres2net.yml', '配置文件')
|
|
add_arg('configs', str, 'configs/tdnn.yml', '配置文件')
|
|
add_arg('audio_path1', str, 'dataset/a_1.wav', '预测第一个音频')
|
|
add_arg('audio_path2', str, 'dataset/b_2.wav', '预测第二个音频')
|
|
add_arg('threshold', float, 0.7, '判断是否为同一个人的阈值')
|
|
# add_arg('model_path', str, '../weights/ERes2Net_TSTP_Fbank/best_model/', '模型权重文件路径')
|
|
add_arg('model_path', str, '../weights/TDNN_Fbank/best_model/', '模型权重文件路径')
|
|
args = parser.parse_args()
|
|
print_arguments(args=args)
|
|
|
|
# 获取识别器
|
|
predictor = MVectorPredictor(configs=args.configs,
|
|
model_path=args.model_path,
|
|
use_gpu=False)
|
|
|
|
dist = predictor.contrast(args.audio_path1, args.audio_path2)
|
|
if dist > args.threshold:
|
|
print(f"{args.audio_path1} 和 {args.audio_path2} 为同一个人，相似度为：{dist}")
|
|
else:
|
|
print(f"{args.audio_path1} 和 {args.audio_path2} 不是同一个人，相似度为：{dist}")
|