端到端域对抗语音活动检测
音频与语音处理
2020-05-27 v2
摘要
语音活动检测（VAD）的任务是检测给定音频流或录音中的语音区域。首先，我们设计了一个结合可训练滤波器与循环层的神经网络，直接从波形处理语音活动检测。在具有挑战性的DIHARD数据集上的实验表明，所提出的端到端模型达到了最先进的性能，并且优于将可训练滤波器替换为标准倒谱系数的变体。我们的第二个贡献旨在使所提出的语音活动检测模型对域失配具有鲁棒性。为此，向网络中添加一个域分类分支并以对抗方式进行训练。使用取自11个不同域的同一DIHARD数据集在两种场景下进行评估。在训练集与测试集覆盖完全相同域的域内场景中，我们表明域对抗方法不会降低所提出端到端模型的性能。在测试域不同于训练域的域外场景中，它带来了超过10%的相对提升。最后，我们的最后一个贡献是提供了一个完全可复现的开源流程，可轻松适配其他数据集。
引用
@article{arxiv.1910.10655,
title = {End-to-end Domain-Adversarial Voice Activity Detection},
author = {Marvin Lavechin and Marie-Philippe Gill and Ruben Bousbib and Hervé Bredin and Leibny Paola Garcia-Perera},
journal= {arXiv preprint arXiv:1910.10655},
year = {2020}
}
备注
submitted to Interspeech 2020