La similarité entre locuteurs désigne la similarité entre la parole synthétisée et celle du locuteur cible. Plus l'indice de similarité est proche de 1, plus la similarité est élevée.

La SIM est un indicateur important pour mesurer la similarité des voix des locuteurs de deux segments de parole. Elle est largement utilisée en reconnaissance vocale, en reconnaissance d'empreintes vocales, en évaluation de synthèse vocale et dans d'autres domaines. Les critères de mesure de la SIM incluent l'extraction de caractéristiques acoustiques, la génération de vecteurs d'intégration et le calcul de similarité. Grâce à ces méthodes, la similarité entre deux échantillons de parole peut être efficacement mesurée et exploitée dans des applications pratiques telles que la reconnaissance vocale, la synthèse vocale et le traitement de scènes multi-locuteurs, améliorant ainsi les performances et l'expérience utilisateur des technologies vocales.