voiceprint-api

基于3D-Speaker的声纹识别API服务

项目简介

本项目是一个基于FastAPI开发的声纹识别HTTP服务，使用3D-Speaker模型实现声纹识别功能。支持声纹注册和识别功能，并提供完整的API文档。

目前用于xiaozhi-esp32-server项目，识别小智设备说话人

主要功能

1. 声纹注册

   • 输入：说话人ID和声音WAV文件
   • 输出：注册成功状态

2. 声纹识别

   • 输入：可能的说话人ID列表（逗号分隔）和声音WAV文件
   • 输出：识别到的说话人ID（未识别则返回空）

技术栈

• FastAPI：Web框架
• 3D-Speaker：声纹识别模型
• MySQL：数据存储

安装说明

1. 克隆项目

git clone https://github.com/xinnan-tech/voiceprint-api.git
cd voiceprint-api

2. 安装依赖

conda remove -n voiceprint-api --all -y
conda create -n voiceprint-api python=3.11 -y
conda activate voiceprint-api

pip config set global.index-url https://mirrors.aliyun.com/pypi/simple/
pip install -r requirements.txt

3. 配置数据库

• 创建数据库

CREATE DATABASE voiceprint_db CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;

• 创建数据表

CREATE TABLE voiceprints (
    id INT AUTO_INCREMENT PRIMARY KEY,
    speaker_id VARCHAR(50) UNIQUE,
    feature_vector LONGBLOB NOT NULL,
    INDEX idx_speaker_id (speaker_id)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

• 复制 voiceprint.yaml 为 data/.voiceprint.yaml

  4. 启动

python app.py