Bayesian x-vector：基于贝叶斯神经网络的 x-vector 说话人确认系统
音频与语音处理
2020-04-09 v1 机器学习
声音
摘要
说话人确认系统通常遭受训练与评估数据之间的失配问题，例如说话人总体失配、信道与环境变化。为解决此问题，需要系统对未见过的数据具备良好的泛化能力。在这项工作中，我们将贝叶斯神经网络 (BNN) 引入深度神经网络 (DNN) x-vector 说话人确认系统，以提升系统的泛化能力。借助 BNN 提供的权重不确定性建模，我们期望系统能在评估数据上更好地泛化并更准确地做出确认决策。我们的实验结果表明，DNN x-vector 系统可从 BNN 中获益，尤其是在使用域外数据进行评估且失配问题严重时。具体而言，结果显示对于短和长语音的域内评估，系统可分别从 BNN 获得 2.66% 和 2.32% 的相对 EER 降低。此外，DNN x-vector 与 Bayesian x-vector 系统的融合可实现进一步改进。而且，由域外评估进行的实验（例如在 Voxceleb1 上训练而在 NIST SRE10 核心测试上评估的模型）表明，BNN 可带来约 4.69% 的更大相对 EER 降低。
引用
@article{arxiv.2004.04014,
title = {Bayesian x-vector: Bayesian Neural Network based x-vector System for Speaker Verification},
author = {Xu Li and Jinghua Zhong and Jianwei Yu and Shoukang Hu and Xixin Wu and Xunying Liu and Helen Meng},
journal= {arXiv preprint arXiv:2004.04014},
year = {2020}
}
备注
Accepted by Speaker Odyssey 2020