说话人验证中 PLDA 的局部训练
声音
2016-09-28 v1 计算与语言
摘要
PLDA 是 i-vector 模型中一种流行的归一化方法，并在说话人验证中取得了 SOTA 性能。然而，PLDA 训练需要大量带标签的开发数据，这在大多数情况下成本极高。缓解该问题的一种可能方法是各种无监督自适应方法，它们使用无标签数据将 PLDA 散射矩阵自适应到目标域。在本文中，我们提出了一种新的“局部训练”方法，利用不准确但成本极低的局部标签来训练 PLDA 模型。这些局部标签仅区分单次转换内的说话人，因此与正常的“全局标签”相比更容易获得。我们的实验表明，所提出的方法能够带来显著的性能提升，特别是在全局标签数据有限的情况下。
关键词
引用
@article{arxiv.1609.08433,
title = {Local Training for PLDA in Speaker Verification},
author = {Chenghui Zhao and Lantian Li and Dong Wang and April Pu},
journal= {arXiv preprint arXiv:1609.08433},
year = {2016}
}
备注
O-COCOSDA 2016