现代IT技术的发展越来越快，获取各类音频文档的方法也都相继出现，而数据量则呈现快速增长的趋势，管理音频文档将会越来越困难，因而对音频文档中说话人转变的检测越来越重要，说话人转变的检测主要包括说话人分割和说话人聚类两个部分。近年来很多研究者开始对音频分割与聚类技术进行了研究[1]，利用这技术来管理多媒体语音文档，其中对会议语音的分割和聚类困难最大。基于说话人的不同而对音频文档进行分割与聚类，关键是找出不同说话人之间话音的不同，将含有多个人说话的语音段，根据不同转变点分割成多个片段，且每个片段只含有一个说话人，分割完成后将同一说话人的片段进行标记，采用说话人聚类技术将分割好的语音按照说话人的不同进行重新组合。本文提到的说话人转变检测的方法主要由三个部分组成即特征值提取、说话人分割和说话人聚类。本文对于每一部分都做了详细的介绍，并通过实验比较了不同方法的优缺点，具体内容如下：1)特征提取部分。提取语音序列的LPC倒谱系数和梅尔频率倒谱系数作为说话人的特征参数，通过实验发现MFCC比LPCC性能好。2)说话人分割部分。本文使用的是基于可信度变化趋势和改进BIC的混合说话人转变点的检测方法，利用可信度变化趋势解决了BIC由于数据累积造成的累积错误，而BIC又可以解决由于可信度参数百分比beta选取设定的不合适而造成的误差，实验结果表明使用混合算法比单独使用这两种算法性能分别提高了10%和5.8%。3)说话人聚类。本文使用的是基于等级的分层说话人聚类，介绍了基于基音周期和共振峰频率的性别识别聚类以及基于自适应GMM模型的说话人识别聚类的过程，实验的结果表明此系统适用于说话人人数比较少的场合进行说话人的分割与聚类，例如在电话对话中或者在小型的会议中。