引入口令相关背景模型用于文本相关说话人验证
计算与语言
2021-03-29 v2
摘要
本文中，我们提出口令相关背景模型(PBMs)用于文本相关(TD)说话人验证(SV)，以将口令识别过程集成到传统的TD-SV系统中，其中PBM是通过使用特定口令的语音对文本无关背景模型进行自适应得到的。在训练期间，特定口令的目标说话人模型由该特定PBM利用相应目标模型的训练数据导出。在测试时，首先在最大似然(ML)意义下为测试语音选择最佳PBM，然后使用该选定的PBM针对声称者模型计算对数似然比(LLR)。所提方法在LLR计算中融入了口令识别步骤，而这是传统独立TD-SV系统所未考虑的。将所提方法的性能与基于传统文本无关背景模型的TD-SV系统进行比较，后者采用高斯混合模型(GMM)-通用背景模型(UBM)、隐马尔可夫模型(HMM)-UBM或i-vector范式。此外，我们考虑了两种构建PBM的方法：说话人无关与说话人相关。我们表明，对于非目标类型：目标错误(target-wrong)和冒名者错误(imposter-wrong)，所提方法显著降低了文本相关说话人验证的错误率，而当冒名者说出正确口令时，其保持了与传统系统相当的TD-SV性能。实验在由短语音组成的RedDots挑战赛和RSR2015数据库上进行。
引用
@article{arxiv.1611.06423,
title = {Incorporating Pass-Phrase Dependent Background Models for Text-Dependent Speaker Verification},
author = {A. K. Sarkar and Zheng-Hua Tan},
journal= {arXiv preprint arXiv:1611.06423},
year = {2021}
}