Résumé:
Cette étude porte sur la vérification automatique du locuteur en utilisant une approche hybride combinant le modèle de mélange de Gaussiennes (GMM) et les machines à vecteurs de support (SVM). L'objectif de cette combinaison est de déterminer l'identité d'un locuteur en se basant sur les caractéristiques acoustiques de sa voix.
En utilisant à la fois le GMM et les SVM, nous avons pu tirer parti des avantages de chaque méthode. Le GMM a permis de modéliser les variations individuelles de la voix des locuteurs, tandis que les SVM ont été utilisées pour la classification et la reconnaissance des locuteurs en exploitant la séparation optimale des classes.
Dans notre travail, nous avons pris en compte différents paramètres pour améliorer les performances du système. Parmi ces paramètres, on trouve le nombre de MFCCs, les paramètres prosodiques, le type de SVM et les composantes du modèle UBM, jouent un rôle crucial dans l'amélioration des performances du système.
Les résultats de notre étude ont démontré que l'approche hybride basée sur le GMM et les SVM est efficace pour la vérification automatique du locuteur. Les résultats obtenus confirment l'importance de combiner les modèles de mélange de Gaussiennes et les machines à vecteurs de support, ainsi que l'utilisation du modèle de fond universel pour améliorer la précision et la robustesse du système.
