我刚刚想到了一个想法，想开发一个能够区分和自动检测不同人声音的应用程序。

示例用例：在用奥巴马和罗姆尼的数据进行训练后，应用程序将能够检测到他们中的任何一个再次发言（不一定是训练数据中的相同内容）。

我想知道是否有关于此的现有研究。（我不知道如何搜索这个。我尝试了一些关键词，但没有得到显著的结果。）

如果没有，如何开始是一个好的方法？如何选择特征、数据表示、模型等？

谢谢！

回答：

我在维基百科上找到了说话人识别，它又链接到了从特征到超向量的文本无关说话人识别概述（Kinnunen, Li, 2010）。

从论文的摘要中：

本文概述了自动说话人识别技术，重点是文本无关识别。说话人识别已经积极研究了几十年。我们概述了经典方法和最先进的方法。