增强儿童说话人验证中与年龄相关的鲁棒性
音频与语音处理
2025-02-18 v1 声音
摘要
儿童说话人验证（C-SV）的一个主要挑战是儿童声音随年龄变化显著。本文提出了两种方法来提高 C-SV 的年龄相关鲁棒性。我们首先引入了一个特征转换适配器（FTA）模块，将局部模式整合到更高层次的全局表示中，从而减少对特定局部特征的过拟合，并提高该系统在不同年份之间的 SV 性能。随后，我们采用合成音频增强（SAA）来增加数据多样性和规模，从而提高对年龄变化的鲁棒性。由于缺乏纵向语音数据集，测量 C-SV 系统年龄相关鲁棒性困难，因此我们引入了一个纵向数据集来评估 C-SV 系统的跨年份验证鲁棒性。通过整合我们提出的两种方法，平均等错误率在一年、两年和三年间隙的跨年评估集中分别降低了 19.4%、13.0% 和 6.1%。
引用
@article{arxiv.2502.10511,
title = {Enhancing Age-Related Robustness in Children Speaker Verification},
author = {Vishwas M. Shetty and Jiusi Zheng and Steven M. Lulich and Abeer Alwan},
journal= {arXiv preprint arXiv:2502.10511},
year = {2025}
}
备注
Accepted to ICASSP 2025