用于说话人日志的 ECAPA-TDNN 嵌入
音频与语音处理
2021-09-14 v1
摘要
学习鲁棒的说话人嵌入是说话人日志中的关键步骤。深度神经网络能够准确捕捉说话人的判别特征，而诸如 x-vector 等流行的深度嵌入如今已成为现代日志系统的基本组成部分。近来，针对用于 x-vector 的标准 TDNN 架构提出了一些改进。例如，ECAPA-TDNN 模型凭借精心设计的神经模型，在说话人验证领域展现出令人印象深刻的性能。在本工作中，我们首次将 ECAPA-TDNN 模型的使用扩展到说话人日志。此外，我们通过一种强大的增强方案提升了其鲁棒性，该方案在同一训练批次中拼接同一信号的多个受污染版本。结果表明，ECAPA-TDNN 模型在近讲与远讲条件下均能提供更鲁棒的说话人嵌入。我们在流行的 AMI 会议语料库上的结果显示，我们的系统显著优于近期提出的方法。
引用
@article{arxiv.2104.01466,
title = {ECAPA-TDNN Embeddings for Speaker Diarization},
author = {Nauman Dawalatabad and Mirco Ravanelli and François Grondin and Jenthe Thienpondt and Brecht Desplanques and Hwidong Na},
journal= {arXiv preprint arXiv:2104.01466},
year = {2021}
}