端到端说话人确认系统中长度归一化分析
音频与语音处理
2018-06-12 v2 声音
摘要
经典的 i-vectors 与最新的端到端深度说话人嵌入是自动说话人确认系统中两类代表性的语句级表征。传统上，一旦提取出 i-vectors 或深度说话人嵌入，我们依赖于一个额外的长度归一化步骤，在后端建模前将表征归一化到单位长度超平面。本文中，我们探究神经网络如何以端到端方式学习长度归一化的深度说话人嵌入。为此，我们在常用分类网络的输出层前加入一个长度归一化层和一个缩放层。我们在 Voxceleb1 数据集的确认任务上进行了实验。结果表明，在端到端训练流程中集成这一简单步骤显著提升了说话人确认性能。在我们 L2 归一化的端到端系统的测试阶段，简单的內积即可达到最先进水平。
引用
@article{arxiv.1806.03209,
title = {Analysis of Length Normalization in End-to-End Speaker Verification System},
author = {Weicheng Cai and Jinkun Chen and Ming Li},
journal= {arXiv preprint arXiv:1806.03209},
year = {2018}
}
备注
Accepted for Interspeech 2018