自动说话人确认中误警率的外推
音频与语音处理
2020-08-11 v1 机器学习
机器学习
摘要
自动说话人确认（ASV）供应商与语料库提供方均可从无需收集新说话人即可可靠外推大规模说话人总体性能度量的工具中获益。我们针对最坏情形模型下的误警率外推问题，即攻击者从大规模总体中为给定目标说话人识别最接近冒名者。我们的模型为生成式且允许对新说话人采样。这些模型在ASV检测分数空间中构建，以便于对任意ASV系统进行分析。
引用
@article{arxiv.2008.03590,
title = {Extrapolating false alarm rates in automatic speaker verification},
author = {Alexey Sholokhov and Tomi Kinnunen and Ville Vestman and Kong Aik Lee},
journal= {arXiv preprint arXiv:2008.03590},
year = {2020}
}
备注
Accepted for publication to Interspeech 2020