关于说话人表征的特征重要性与可解释性
音频与语音处理
2023-10-20 v1
摘要
无监督语音解耦旨在将语音信号中快变分量与慢变分量分离。本文中，我们细致考察表征慢变信号分量的嵌入向量，即通常所称的说话人嵌入向量。我们探究该向量捕捉了说话人声音的哪些属性，并借助 Shapley 值研究各个嵌入向量分量在多大程度上对应这些属性。我们的发现表明，某些说话人特定的声学-语音属性可由说话人嵌入相当好地预测，而所考察的更抽象的嗓音质量特征则无法被预测。
引用
@article{arxiv.2310.12599,
title = {On Feature Importance and Interpretability of Speaker Representations},
author = {Frederik Rautenberg and Michael Kuhlmann and Jana Wiechmann and Fritz Seebauer and Petra Wagner and Reinhold Haeb-Umbach},
journal= {arXiv preprint arXiv:2310.12599},
year = {2023}
}
备注
Presented at the ITG conference on Speech Communication 2023