面向鲁棒深度说话人确认优化的功率归一化倒谱系数
声音
2021-09-27 v1 人工智能
音频与语音处理
摘要
在引入鲁棒语音识别后，功率归一化倒谱系数(PNCC)特征被成功应用于其他任务，包括说话人确认。然而，作为一种在功率谱图上执行长时操作的特征提取器，其专用于环境补偿的时域处理与幅度缩放步骤可能冗余。进一步，它们可能抑制对基于深度神经网络(DNN)的说话人确认有用的固有说话人差异。因此，本研究通过消融其中时处理器并引入信道能量归一化，重新审视并优化PNCC。基于DNN的说话人确认系统的实验结果表明，相较于基线PNCC，在域内与跨域场景下均有显著提升，在VoxCeleb1与VoxMovies上最大相等错误率相对分别降低5.8%与61.2%。
引用
@article{arxiv.2109.12058,
title = {Optimized Power Normalized Cepstral Coefficients towards Robust Deep Speaker Verification},
author = {Xuechen Liu and Md Sahidullah and Tomi Kinnunen},
journal= {arXiv preprint arXiv:2109.12058},
year = {2021}
}
备注
Accepted for publication at ASRU 2021