基于 CNN 通用验证器的服务机器人单次说话人识别

在服务机器人领域，通过语音 alone 识别用户具有研究价值。然而，在服务机器人充当服务员或店员的场景中，新用户预期会频繁进入环境。通常，说话人识别模型在此时需要重新训练，这可能耗费不切实际的时间。本文提出了一种通过验证进行说话人识别的新方法，使用连体卷积神经网络架构（SCNN），其学习通用地验证两段音频信号是否来自同一说话人。通过维护一个包含用户录音的外部数据库，识别过程通过将语音输入与该库中每条记录进行验证来完成。若遇到新用户，只需将其录音加入外部数据库即可被识别，无需重新训练。该系统从四个方面进行了评估：验证器性能、使用干净音频时系统作为分类器的性能、速度以及真实环境中的准确率。其性能结合单次学习能力，使所提系统成为服务机器人说话人识别的可行替代方案。