ChildAugment：面向零资源儿童说话人验证的数据增强方法
音频与语音处理
2024-02-26 v1 声音
摘要
现代自动说话人验证（ASV）系统若仅使用成人数据训练，在应用于儿童语音时准确率会大幅下降。儿童语音语料库的匮乏阻碍了针对儿童语音的 ASV 系统微调。因此，亟需探索更有效的重用成人语音数据的方法。一种有前景的方法是通过儿童特定的数据增强（此处称为 ChildAugment）来对齐成人与儿童的声道参数。具体而言，我们修改成人语音的共振峰频率和共振峰带宽以模拟儿童语音。修改后的频谱用于训练面向儿童的 ECAPA-TDNN（强调通道注意力、传播和时间延迟神经网络中的聚合）识别器。我们将 ChildAugment 与各种最先进的儿童 ASV 数据增强技术进行了比较。我们还广泛比较了不同的评分方法，包括余弦评分、PLDA（概率线性判别分析）和 NPLDA（神经 PLDA）。此外，我们提出了一种低复杂度的加权余弦评分，适用于极低资源的儿童 ASV。我们在 CSLU kids 语料库上的发现表明，ChildAugment 作为一种简单且基于声学的方法，在改进基于深度学习的最新儿童 ASV 方面具有潜力。相较于基线，我们实现了高达 12.45%（男孩）和 11.96%（女孩）的相对提升。
引用
@article{arxiv.2402.15214,
title = {ChildAugment: Data Augmentation Methods for Zero-Resource Children's Speaker Verification},
author = {Vishwanath Pratap Singh and Md Sahidullah and Tomi Kinnunen},
journal= {arXiv preprint arXiv:2402.15214},
year = {2024}
}
备注
The following article has been accepted by The Journal of the Acoustical Society of America (JASA). After it is published, it will be found at https://pubs.aip.org/asa/jasa