CN-Celeb：一个具有挑战性的中文说话人识别数据集
音频与语音处理
2019-11-06 v1 计算与语言
声音
摘要
近来，研究者设定了一个雄心勃勃的目标，即在非受限条件下进行说话人识别，其中环境、信道与情绪的变化可以是任意的。然而，大多数公开可用数据集是在受限环境下收集的，即噪声小且信道变化有限。这些数据集往往给出过于乐观的性能，不能满足非受限条件下说话人识别研究的需求。本文中，我们提出 CN-Celeb，一个大规模“野外”收集的说话人识别数据集。该数据集包含来自 1000 名中国名人的超过 130,000 条语音，并涵盖现实世界中的 11 种不同体裁。使用两种最先进的说话人识别方法（i-vector 与 x-vector）进行的实验表明，在 CN-Celeb 上的性能远逊于在广泛使用的说话人识别数据集 VoxCeleb 上获得的性能。该结果表明，在真实生活条件下，现有技术的性能可能远比设想的要差。我们的数据库对研究者免费开放，可从 http://project.cslt.org 下载。
引用
@article{arxiv.1911.01799,
title = {CN-CELEB: a challenging Chinese speaker recognition dataset},
author = {Yue Fan and Jiawen Kang and Lantian Li and Kaicheng Li and Haolin Chen and Sitong Cheng and Pengyuan Zhang and Ziya Zhou and Yunqi Cai and Dong Wang},
journal= {arXiv preprint arXiv:1911.01799},
year = {2019}
}