基于固定锚点的稳健说话人验证的分阶段学习策略

在噪声条件下学习稳健的说话人表征 presents significant挑战，这需要仔细处理判别性和噪声不变性属性。在本工作中，我们提出了一种基于锚点的稳健说话人表征学习策略。具体而言，我们的方法首先训练一个基础模型以建立判别性说话人边界，然后从该模型中提取锚点嵌入作为稳定参考。最后，对基础模型的副本在噪声输入上进行微调，通过强制接近其相应固定锚点嵌入来保存说话人身份下的扰动。实验结果表明，这种策略在保持判别性的同时提高了噪声鲁棒性方面优于传统联合优化。该方法在各种噪声条件下均表现出一致的改进，可能是由于其能够分别处理边界稳定和变异抑制所致。