将说话人嵌入估计的不确定性引入说话人验证
音频与语音处理
2023-02-24 v1 声音
摘要
在不同条件下录制的语音片段，即便使用同一神经网络提取，其嵌入估计的置信度（即不确定性）也各不相同。本文旨在将 xi-vector 网络前端产生的不确定性估计与概率线性判别分析 (PLDA) 后端打分相结合用于说话人验证。为此，我们从逐帧精度推导至嵌入空间的后验协方差矩阵，用以度量不确定性。我们提出了一种带不确定性传播的 PLDA 打分对数似然比函数。我们还提议以长度缩放技术替代长度归一化预处理技术，以在后端中应用不确定性传播。在 VoxCeleb-1、SITW 测试集以及域不匹配的 CNCeleb1-E 集上的实验结果表明，所提技术有效，等错误率降低 14.5%–41.3%，最小检测代价函数降低 4.6%–25.3%。
引用
@article{arxiv.2302.11763,
title = {Incorporating Uncertainty from Speaker Embedding Estimation to Speaker Verification},
author = {Qiongqiong Wang and Kong Aik Lee and Tianchi Liu},
journal= {arXiv preprint arXiv:2302.11763},
year = {2023}
}
备注
Accepted in ICASSP 2023 conference