一种用于说话人验证的判别式条件感知后端
机器学习
2020-02-06 v1 声音
音频与语音处理
机器学习
摘要
我们提出了一种用于说话人验证的打分方法，其模拟了当前大多数说话人验证系统中所用的标准基于 PLDA 的后端流程。然而，与标准后端不同，模型的所有参数均经过联合训练，以优化说话人验证任务的二元交叉熵。我们进一步将校准阶段集成于模型内部，使该阶段的参数依赖于表示信号条件的元数据向量。我们表明，所提后端在多数测试集上具有优异的开箱即用校准性能，使其成为测试条件未知且无开发数据用于训练特定领域校准模型情况下的理想方法。
引用
@article{arxiv.1911.11622,
title = {A discriminative condition-aware backend for speaker verification},
author = {Luciana Ferrer and Mitchell McLaren},
journal= {arXiv preprint arXiv:1911.11622},
year = {2020}
}