改进的说话人验证元学习训练方法
音频与语音处理
2023-08-04 v2 声音
摘要
元学习近来成为说话人验证（SV）的研究热点。本文引入两种方法来改进 SV 的元学习训练。第一种方法，首先用常规交叉熵损失和原型网络（PN）损失联合训练骨干嵌入网络。然后，受语音识别中说话人自适应训练的启发，仅使用 PN 损失训练额外的变换系数。该变换系数用于在 x-vector 提取过程中修改原始骨干嵌入网络。此外，将随机擦除数据增强技术应用于每个 episode 中的所有支持样本以构建正样本对，并在模型训练的目标函数中加入增强与支持样本之间的对比损失。实验在 SITW 和 VOiCES 数据库上进行。两种方法相比现有元学习训练框架均取得一致提升。结合这两种方法，我们可观察到在这两个数据库上的进一步提升。
引用
@article{arxiv.2103.15421,
title = {Improved Meta-Learning Training for Speaker Verification},
author = {Yafeng Chen and Wu Guo and Bin Gu},
journal= {arXiv preprint arXiv:2103.15421},
year = {2023}
}