基于原始波形的说话人嵌入在不匹配条件下的鲁棒性研究
音频与语音处理
2021-10-13 v2 声音
摘要
在本文中，我们通过说话人验证实验对基于参数化和非参数化原始波形的说话人嵌入进行了跨数据集研究。总体而言，我们观察到这些原始波形系统相比基于谱的系统出现了更显著的性能退化。然后我们提出了两种策略来改进原始波形系统在跨数据集测试上的性能。第一种策略是将实值滤波器改为解析滤波器以确保平移不变性。第二种策略是对非参数滤波器应用变分 dropout 以防止其过拟合无关的细微特征。
引用
@article{arxiv.2110.04265,
title = {A study of the robustness of raw waveform based speaker embeddings under mismatched conditions},
author = {Ge Zhu and Frank Cwitkowitz and Zhiyao Duan},
journal= {arXiv preprint arXiv:2110.04265},
year = {2021}
}