一种用于两遍个性化语音唤醒的集成框架
音频与语音处理
2021-07-01 v1 声音
摘要
在本文中，我们展示了用于 2020 个性化语音触发挑战赛（PVTC2020）任务 1 的 XMUSPEECH 系统。任务 1 是在近距离通话数据上联合进行唤醒词检测与说话人验证。整个系统由一个关键词 spotting（KWS）子系统和一个说话人验证（SV）子系统组成。对于 KWS 系统，我们应用了时间深度可分离卷积残差网络（TDSC-ResNet）以提升系统性能。对于 SV 系统，我们提出了一种多任务学习网络，其中音素分支使用话语的字符标签训练，说话人分支使用说话人标签训练。音素分支使用连接主义时序分类（CTC）损失进行优化，其作为说话人分支的辅助模块。实验表明，与基线系统相比，我们的系统取得了显著改进。
引用
@article{arxiv.2106.15950,
title = {An Integrated Framework for Two-pass Personalized Voice Trigger},
author = {Dexin Liao and Jing Li and Yiming Zhi and Song Li and Qingyang Hong and Lin Li},
journal= {arXiv preprint arXiv:2106.15950},
year = {2021}
}