用于说话人验证的高斯约束训练
音频与语音处理
2019-02-19 v2 计算与语言
声音
摘要
神经模型，特别是 d-vector 与 x-vector 架构，已在许多说话人验证任务上取得最先进性能。然而，这些神经模型的两个潜在问题值得深入研究。首先，两种模型都存在“信息泄漏”，即部分参与模型训练的参数在推理时会被丢弃，例如用作分类器的层。其次，这些模型未对所得说话人向量的分布进行约束。这种“无约束分布”可能降低后续打分组件（如 PLDA）的性能。本文提出一种高斯约束训练方法，其（1）丢弃参数化分类器，（2）强制所得说话人向量的分布为高斯分布。我们在 VoxCeleb 与 SITW 数据库上的实验表明，该新训练方法产生了更具代表性与规整性的说话人嵌入，带来一致的性能提升。
引用
@article{arxiv.1811.03258,
title = {Gaussian-Constrained training for speaker verification},
author = {Lantian Li and Zhiyuan Tang and Ying Shi and Dong Wang},
journal= {arXiv preprint arXiv:1811.03258},
year = {2019}
}