В этой статье обсуждается переход от традиционных методов к новой архитектуре глубокого обучения для распознавания говорящего. Он направлен на сравнение традиционных статистических методов и новых подходов с использованием моделей глубокого обучения. Кроме того, описаны новейшие методы оптимизации. Существует также несколько методологий оценки, основанных на различных подходах. В статье представлен обзор методов глубокого обучения и обсуждается недавняя литература, использующая эти подходы для распознавания говорящего. Проверка говорящего включает проверку речевого сигнала, чтобы подтвердить, является ли утверждение говорящего истинным или ложным. Глубокие нейронные сети — одна из наиболее успешных реализаций сложных нелинейных моделей для изучения особых свойств данных. Они продемонстрировали свои способности в распознавании говорящего и задачах распознавания говорящего. В этой статье мы рассмотрим методы глубокой нейронной сети (DNN), используемые в системах проверки говорящих. Он будет включать используемую базу данных, результаты, вклад в распознавание говорящего и связанные с этим ограничения.