İnsan sesinden hibrit spektral özniteliklerle konuşmacı özelliklerinin tahmini

Bu çalışma, ses verilerini kullanarak konuşmacılara ait kişisel özellikleri tahmin etmeye odaklanmaktadır. Adli vakalardan otomatik sesli yanıtlama sistemlerine kadar geniş bir uygulama yelpazesinde büyük bir potansiyele sahiptir. Araştırmanın temel amacı; 24 gönüllünün ses kayıtları üzerinden konuşmacı tanıma, cinsiyet ve yaş grubu tahminini gerçekleştirmektir. Ses verileri üzerinde yapılan analizlerde, zaman/frekans uzayı hibrit öznitelikleri olarak Mel-frekans cepstral katsayıları (MFCC) çıkarılmış bununla birlikte frekans uzayı öznitelikleri olarak temel frekans ve formantlar belirlenmiştir. Bu öznitelikler daha sonra bir öznitelik havuzunda birleştirilmiştir. Elde edilen öznitelikler, dört farklı makine öğrenimi algoritması kullanılarak destek vektör makineleri (SVM), k-en yakın komşular(KNN), gradyan artırma ve sınıflandırma ve regresyon ağaçları; yaş grubu ve cinsiyet tahmini için değerlendirilmiştir. Sonuçlar, destek vektör makineleri algoritmasıyla elde edilen yaş grupları tahminlerinin %93 doğrulukla, cinsiyet tahminlerinin ise %99 doğrulukla gerçekleştirilebildiğini göstermektedir. Konuşmacı tanıma görevinde de SVM algoritması %93 doğrulukla yüksek başarı elde etmiştir. Bu yüksek doğruluk, ses verilerinden çıkarılan özniteliklerin, özellikle SVM algoritması kullanılarak konuşmacının kişisel özellikleri hakkında güvenilir bilgi sağlayabileceğini ortaya koymaktadır. Bu bulgular, adli süreçlerde ve biyomedikal uygulamalarda, örneğin bir konuşmacının yaşını ve cinsiyetini belirleme konusunda potansiyel uygulamalara işaret etmektedir. Bu tür teknikler, otomatik sesli yanıtlama sistemlerinden sosyal analize kadar birçok alanda kullanılabilecek önemli araştırma ve uygulama alanları sunmaktadır. Anahtar Kelimeler: Cinsiyet Tahmini, Yaş Grubu Tahmini, Destek Vektör Makinesi, K-En Yakın Komşuluk, Gradyan Artırma, Sınıflandırma ve Regresyon Ağacı