先引用知乎上 @LEON晋 大神解释的说话人识别对说话人准确率判断的两个评分标准：
在一批本该全部正确(TRUE)的列表中出现几个没识别出正确的语音，这个就是错误拒识FR(False Rejection)，是Miss的；在一批本该全部错误(Flase)的列表中出现了几个没识别出错误的语音，就是错误的语音被认为对了，FA(False Acceptance)，是Flase Alarm的。然后各自占的比例：FR = Miss / Total_TRUE；FA= False Alarm/ Total_False，
对说话人识别准确率EER的理论：EER
开始说说开集open-set和闭集close-set是啥：
声纹识别（说话人识别）需要三个数据，训练，注册和测试。
训练用的数据是普遍人（并不是准备使用该说话人识别系统的人）的语音数据。
一般注册和测试是用同一个人（目标）不同的语音
开集 我自己个人理解是open-set，就是测试的人没在模型上注册他们的声纹就去测试了，意思就是，在识别系统中没有该说话人的语音特征，但他硬要去挑战说话人识别系统的权威，去看看该系统是不是很聪明。如大大们所说的，看系统是否能把他给拒了。
判断是否在注册集中也像他们所说的，设个 threshold, 若大于则说明该人注册过了，在话语集中，小于则在集外。 FA的不变或增加
闭集 就是注册和测试是用同一个人（目标）不同的语音，直接做1：N或者1:1的说话人识别，你们都很熟悉的就是闭集啦！