基于音素感知与通道注意力学习的文本相关说话人验证
声音
2021-06-28 v1 机器学习
音频与语音处理
摘要
本文提出一种具有音素感知与通道注意力学习策略的多任务学习网络,用于文本相关说话人验证(SV)。在所提出的结构中,采用帧级多任务学习与段级对抗学习来提取说话人嵌入。在主网络中,对帧级特征利用音素感知注意力池化用于说话人分类器,并在辅助子网中利用对应的音素分布后验概率。此外,引入压缩与激励(SE-block)进行动态通道特征重标定,提升了表征能力。所提方法利用了与口令相关的说话人个体特征,并分别通过音素感知注意力池化和SE-block从时间与通道方面进一步增强。在RSR2015 Part 1数据库上的实验证实,所提系统在文本相关SV上取得了优异结果。
引用
@article{arxiv.2106.13514,
title = {Phoneme-aware and Channel-wise Attentive Learning for Text DependentSpeaker Verification},
author = {Yan Liu and Zheng Li and Lin Li and Qingyang Hong},
journal= {arXiv preprint arXiv:2106.13514},
year = {2021}
}