さまざまな人の声を区別/自動検出するアプリケーションに発展させたいというアイデアを思いついたところです。
ユースケースの例：オバマとロムニーのデータを使用してトレーニングした後、アプリケーションはどちらかが再び話すたびに検出できるようになります（トレーニングデータの同じコンテンツは必要ありません）
これに関する既存の研究があるかどうか疑問に思います。（これを検索する方法がわかりません。いくつかのキーワードを試しましたが、有意な結果は得られませんでした。）
そうでない場合、開始するための良い方法は何ですか？機能、データ表現、モデルなどの選択方法。
ありがとう！