MFA：用于短语音文本无关说话人验证的多尺度频通道注意力 TDNN
声音
2022-02-16 v3 计算与语言
音频与语音处理
信号处理
摘要
时延神经网络（TDNN）代表了文本无关说话人验证的神经网络方法中最为先进的方案之一。然而，它们需要大量滤波器以在任何局部频率区域捕获说话人特征。此外，此类系统在短语音场景下性能可能下降。为解决这些问题，我们提出了一种多尺度频通道注意力（MFA），通过一种由卷积神经网络和 TDNN 组成的双路径新颖设计在不同尺度上刻画说话人。我们在 VoxCeleb 数据库上评估所提出的 MFA，并观察到带有 MFA 的所提框架能够在减少参数与计算复杂度的同时取得最先进的性能。进一步，发现 MFA 机制对于短测试语音的说话人验证是有效的。
引用
@article{arxiv.2202.01624,
title = {MFA: TDNN with Multi-scale Frequency-channel Attention for Text-independent Speaker Verification with Short Utterances},
author = {Tianchi Liu and Rohan Kumar Das and Kong Aik Lee and Haizhou Li},
journal= {arXiv preprint arXiv:2202.01624},
year = {2022}
}
备注
Accepted by ICASSP 2022