面向 INTERSPEECH 2020 远场说话人验证挑战的 NPU 说话人验证系统
音频与语音处理
2020-08-11 v1 声音
摘要
本文描述了提交至 Interspeech 2020 远场说话人验证挑战（FFSVC）的 NPU 系统。我们特别关注来自单麦克风阵列（任务1）和多麦克风阵列（任务3）的远场文本相关说话人验证（SV）。此类场景中的主要挑战是短 utterance 以及注册与测试间的跨信道和距离失配。基于更好的说话人嵌入可缓解短 utterance 影响的信念，我们引入了一种新的说话人嵌入架构——ResNet-BAM，它将瓶颈注意力模块与 ResNet 集成，作为一种简单高效的方式来进一步提升 ResNet 的表征能力。该贡献带来了高达 1% 的 EER 降低。我们进一步从三个方向解决失配问题。首先，旨在学习域不变特征的定义域对抗训练可带来 0.8% 的 EER 降低。其次，前端信号处理（包括 WPE 和波束成形）无明显贡献，但与数据选择和域对抗训练结合时可进一步贡献 0.5% 的 EER 降低。最后，数据增强与专门设计的数据选择策略配合可带来 2% 的 EER 降低。综合以上贡献，在中期挑战结果中，我们的单提交系统（无多系统融合）分别在任务1和任务3上取得第一和第二名。
引用
@article{arxiv.2008.03521,
title = {NPU Speaker Verification System for INTERSPEECH 2020 Far-Field Speaker Verification Challenge},
author = {Li Zhang and Jian Wu and Lei Xie},
journal= {arXiv preprint arXiv:2008.03521},
year = {2020}
}