面向 TidyVoice 2026 挑战的语言无关多语言说话人验证
音频与语音处理
2026-03-10 v1
摘要
多语言说话人验证（SV）因说话人嵌入中语言依赖信息有限，以及跨语言数据不足而面临挑战。本文为 TidyVoice 2026 挑战提出了一种语言无关的多语言 SV 系统。我们采用 multilingual self-supervised w2v-BERT 2.0 模型作为主干，增强了 Layer Adapter 和多尺度特征聚合，以更好地利用多层表示。应用带有梯度反转层的语言对抗训练策略，以促进语言无关的说话人嵌入。此外，我们使用多语言零样本文本到语音系统合成多语言语音，提高语言多样性。实验结果表明，在大规模预训练模型上进行微调可获得具竞争力的性能，而语言对抗训练进一步提升了鲁棒性。此外，在训练数据有限的情况下，合成语音数据增强提供了额外的提升。源代码已公开于 https://github.com/ZXHY-82/LI-MSV-TidyVoice2026。
引用
@article{arxiv.2603.08092,
title = {Language-Invariant Multilingual Speaker Verification for the TidyVoice 2026 Challenge},
author = {Ze Li and Xiaoxiao Miao and Juan Liu and Ming Li},
journal= {arXiv preprint arXiv:2603.08092},
year = {2026}
}
备注
submitted to Interspeech 2026