用于说话人验证的广义端到端损失
音频与语音处理
2020-11-10 v5 计算与语言
机器学习
机器学习
摘要
本文提出了一种新的损失函数，称为广义端到端（GE2E）损失，它使得说话人验证模型的训练比我们之前基于元组的端到端（TE2E）损失函数更高效。与TE2E不同，GE2E损失函数在训练过程中以强调难以验证的样本的方式更新网络。此外，GE2E损失不需要初始的样本选择阶段。凭借这些特性，采用新损失函数的模型将说话人验证的等错误率（EER）降低了10%以上，同时将训练时间减少了60%。我们还引入了MultiReader技术，该技术允许进行域适应——训练一个支持多个关键词（如“OK Google”和“Hey Google”）以及多种方言的更精确模型。
引用
@article{arxiv.1710.10467,
title = {Generalized End-to-End Loss for Speaker Verification},
author = {Li Wan and Quan Wang and Alan Papir and Ignacio Lopez Moreno},
journal= {arXiv preprint arXiv:1710.10467},
year = {2020}
}
备注
Published at ICASSP 2018