EDITnet：一种用于说话人验证中无监督域自适应的轻量网络
音频与语音处理
2022-06-16 v1
摘要
由语言不匹配引起的性能退化是将说话人验证系统应用于不同语言语音数据时的常见问题。本文提出一种名为EDITnet的域迁移网络，以缓解说话人嵌入上的语言不匹配问题，且无需说话人标签。该网络利用条件变分自编码器将目标域的嵌入迁移至源域。对迁移后的嵌入施加自监督学习策略，以增大不同说话人嵌入之间的余弦距离。在EDITnet的训练过程中，嵌入提取模型保持固定且不进行微调，从而使训练高效且低成本。在Voxceleb和CN-Celeb上的实验表明，经EDITnet迁移的嵌入相较未迁移嵌入在ECAPA-TDNN512上提升约30%。使用其他嵌入提取模型（如TDNN、SE-ResNet34）也能取得性能提升。
引用
@article{arxiv.2206.07548,
title = {EDITnet: A Lightweight Network for Unsupervised Domain Adaptation in Speaker Verification},
author = {Jingyu Li and Wei Liu and Tan Lee},
journal= {arXiv preprint arXiv:2206.07548},
year = {2022}
}
备注
Accepted by Interspeech2022