模型介绍
中文整理ECAPA-TDNN说话人模型
ECAPA-TDNN模型是基于时延神经网络构建的说话人模型，由于识别性能优异，已经被广泛使用在说话人识别领域中。该模型还可以用于说话人确认、说话人日志等任务。
模型结构简述
ECAPA-TDNN在传统的TDNN模型上有3种改进。第一，融合了一维的Res2Net层和Squeeze-and-Excitation模块，对特征channel之间的关系进行建模。第二，融合多个层级特征，同时利用网络浅层和深层的信息。第三，采用了基于attention机制的pooling层，生成基于全局attention的说话人特征。
更详细的信息见
ECAPA-TDNN论文：ECAPA-TDNN: Emphasized Channel Attention, Propagation and Aggregation in TDNN Based Speaker Verification
训练数据
本模型使用公开的英文说话人数据集VoxCeleb2进行训练，可以对16k采样率的英文音频进行说话人识别。
模型效果评估
选择EER、minDCF作为客观评价指标。
在VoxCeleb1-O测试集上，EER = 0.862%，minDCF(p target=0.01, c miss=c fa=1) = 0.094。
快速体验模型效果
在Notebook中体验
对于有开发需求的使用者，特别推荐您使用Notebook进行离线处理。先登录ModelScope账号，点击模型页面右上角的“在Notebook中打开”按钮出现对话框，首次使用会提示您关联阿里云账号，按提示操作即可。关联账号后可进入选择启动实例界面，选择计算资源，建立实例，待实例创建完成后进入开发环境，输入api调用实例。
训练和测试自己的ECAPA-TDNN模型
已在3D-Speaker开源了训练、测试和推理代码，使用者可按下面方式下载安装使用：
运行ECAPA-TDNN在VoxCeleb集上的训练脚本
使用本预训练模型快速提取embedding
3D-Speaker 开发者社区钉钉群
优先采用原作者提供的中文模型卡片；仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。
你将获得什么
完整仓库方式包含该固定版本中的权重、配置、分词器及说明文件；指定版本方式只下载所选文件或整组分片。多模态模型的投影文件、配置等依赖，请按作者说明配齐。
完整仓库可能包含多个权重格式，因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。
使用前须知
运行模型需要的设备、工具与依赖，以原作者说明为准。
是否允许商用、修改和分发，请查看模型许可证。
闲社提供资料与镜像下载方法，不代表已运行模型或完成安全审计。下载的代码应先检查，再执行。
资料或下载有问题？
登录后可提交反馈。