基于聚类的困难负采样用于监督对比说话人确认
音频与语音处理
2025-08-26 v1 机器学习
声音
摘要
在说话人确认中,对比学习作为传统基于分类方法的替代方案正日益流行。对比方法可以受益于有效利用困难负样本对,这些样本对属于不同类别,但由于其相似性而对确认模型构成特别挑战。本文提出了CHNS——一种基于聚类的困难负采样方法,专门用于监督对比说话人表示学习。我们的方法对相似说话人的嵌入进行聚类,并调整批次组成,以在对比损失计算期间获得最佳比例的困难和简单负样本。实验评估表明,在VoxCeleb数据集上使用两种轻量级模型架构时,CHNS在相对等错误率和最小检测代价函数上,比基线监督对比方法(无论有无基于损失的困难负采样)以及最先进的基于分类的说话人确认方法,性能提升高达18%。
引用
@article{arxiv.2507.17540,
title = {Clustering-based hard negative sampling for supervised contrastive speaker verification},
author = {Piotr Masztalski and Michał Romaniuk and Jakub Żak and Mateusz Matuszewski and Konrad Kowalczyk},
journal= {arXiv preprint arXiv:2507.17540},
year = {2025}
}
备注
Accepted to INTERSPEECH 2025