用于文本无关说话人验证的自适应X-vector模型
音频与语音处理
2025-12-18 v1 信号处理
摘要
在本文中，自适应机制被应用于基于x-vector的文本无关说话人验证的深度神经网络（DNN）训练中。首先，在帧级嵌入层中采用自适应卷积神经网络（ACNN），其中卷积滤波器的参数根据输入特征进行调整。与传统CNN相比，ACNN在捕获说话人信息方面具有更大的灵活性。此外，我们用自适应批归一化（ABN）替换了传统的批归一化（BN）。通过动态生成BN中的缩放和平移参数，ABN使模型适应由信道和环境噪声等各种因素引起的声学变异性。最后，我们结合这两种方法以进一步提高性能。在Speaker in the Wild（SITW）和VOiCES数据库上进行了实验。结果表明，所提出的方法显著优于原始的x-vector方法。
引用
@article{arxiv.2002.06049,
title = {An Adaptive X-vector Model for Text-independent Speaker Verification},
author = {Bin Gu and Wu Guo and Lirong Dai and Jun Du},
journal= {arXiv preprint arXiv:2002.06049},
year = {2025}
}
备注
6 pages, 3 figures