利用神经嵌入检测声带疲劳
音频与语音处理
2023-01-18 v2 计算与语言
声音
摘要
声带疲劳是指因长时间用声而感到声音疲倦和虚弱。本文研究神经嵌入在声带疲劳检测中的有效性。我们在一个学术英语口语语料库上比较了x-vector、ECAPA-TDNN和wav2vec 2.0嵌入。数据的低维映射显示，神经嵌入捕捉到了说话者在长时间用声过程中声音特征变化的信息。我们证明，当对提取的嵌入应用时间平滑和归一化后，仅需连续说话50分钟，即可使用这三种神经嵌入可靠地预测声带疲劳。我们采用支持向量机进行分类，使用x-vector作为输入特征时准确率达到81%，使用ECAPA-TDNN嵌入时达到85%，使用wav2vec 2.0嵌入时达到82%。当训练好的系统在没有任何适配的情况下应用于不同的说话者和录音环境时，我们获得了76%的准确率。
引用
@article{arxiv.2204.03428,
title = {Detecting Vocal Fatigue with Neural Embeddings},
author = {Sebastian P. Bayerl and Dominik Wagner and Ilja Baumann and Korbinian Riedhammer and Tobias Bocklet},
journal= {arXiv preprint arXiv:2204.03428},
year = {2023}
}
备注
Accepted for Publication in the Journal of Voice