用于说话人验证的双标签深度LSTM去混响
音频与语音处理
2018-09-12 v1 机器学习
声音
机器学习
摘要
本文提出一种利用双标签深度神经网络（DNNs）的说话人验证去混响方法。该网络在混响语音与干净语音的谱特征之间进行特征映射。训练长短期记忆循环神经网络（LSTMs）将受损的梅尔滤波器组（MFB）特征映射到两组标签：i）干净的MFB特征，以及 ii）估计的音高轨迹或干净语音的快速傅里叶变换（FFT）谱图。去混响的性能通过说话人验证实验的等错误率（EERs）进行评估。
引用
@article{arxiv.1809.03868,
title = {Dual-label Deep LSTM Dereverberation For Speaker Verification},
author = {Hao Zhang and Stephen Zahorian and Xiao Chen and Peter Guzewich and Xiaoyu Liu},
journal= {arXiv preprint arXiv:1809.03868},
year = {2018}
}
备注
4 pages, 3 figures, submitted to Interspeech 2018