面向口语能力评估的非母语说话人确认
音频与语音处理
2019-10-01 v1 计算与语言
声音
摘要
自动口语能力评估系统因二语学习兴趣增长而日益普及。这些系统面临的一项挑战是检测作弊行为。作弊可有多种形式，本文聚焦于检测考生在口语考试中试图冒用他人身份的行为。此类作弊形式与说话人确认密切相关，但应用于口语能力评估这一特定领域。利用深度学习方法来提取说话人表征的先进说话人确认系统，已成功应用于一系列母语说话人确认任务。本文探讨了这些系统在非母语英语口语数据上的应用。用于说话人注册与确认的数据主要取自 BULATS 测试，该测试评估商务英语语言技能。本文比较了在相对有限的 BULATS 数据及标准大规模说话人确认语料库上训练的系统性能。在包含数百万次试验的大规模测试集上的实验结果表明，通过将导入模型适配于非母语数据可获得最佳性能。对不同第一语言（L1）和等级的冒用者试验进行细分分析，显示跨 L1 冒用者对说话人确认系统更具挑战性。
引用
@article{arxiv.1909.13695,
title = {Non-native Speaker Verification for Spoken Language Assessment},
author = {Linlin Wang and Yu Wang and Mark J. F. Gales},
journal= {arXiv preprint arXiv:1909.13695},
year = {2019}
}