1. Raccolta suoni :Le onde sonore vengono raccolte utilizzando un microfono o un altro dispositivo di registrazione. Il microfono converte queste onde in segnali elettrici.
2. Elaborazione del segnale :I segnali elettrici vengono elaborati per rimuovere il rumore e altri componenti indesiderati. È possibile applicare diverse tecniche di elaborazione del segnale per migliorare la qualità del segnale vocale ed estrarre caratteristiche rilevanti.
3. Estrazione di funzionalità :il segnale vocale preelaborato viene analizzato per estrarre funzionalità significative che possono essere utilizzate per il rilevamento vocale. Queste funzionalità possono includere intonazione, formanti, energie del banco di filtri e altri parametri acustici.
4. Rilevamento dell'attività vocale (VAD) :Gli algoritmi VAD vengono utilizzati per identificare periodi di attività vocale in un segnale audio. Ciò aiuta a distinguere tra segmenti vocali e segmenti non vocali, come il rumore di fondo.
5. Identificazione del relatore :Una volta identificati i segmenti del discorso, è possibile applicare tecniche di identificazione del parlante per determinare l'identità di chi parla. Ciò comporta il confronto delle caratteristiche vocali estratte con quelle archiviate in un database di parlanti conosciuti.
6. Processo decisionale :in base alla somiglianza tra le caratteristiche vocali estratte e i modelli memorizzati, viene presa una decisione sull'identità di chi parla. Il sistema fornisce un output, come un nome o un numero identificativo, oppure un punteggio di probabilità che indica il livello di confidenza nell'identificazione.
Il processo di rilevamento vocale prevede una combinazione di elaborazione del segnale, estrazione di caratteristiche, classificazione e tecniche decisionali per riconoscere e identificare accuratamente le voci.