快速联结主义说话人自适应

我们提出 SVCnet，一种用于建模说话人可变性的系统。专为各语音音素特化的编码器神经网络产生声学变化的低维模型，这些模型进一步组合为整体的嗓音可变性模型。我们描述了一种训练过程，使该模型对已由哪些音素发声的依赖最小化。利用训练好的模型（SVCnet）和新说话人简短无约束的语音样本，系统生成说话人嗓音码，可用于使识别系统自适应新说话人而无需重训练。文中描述了一种将 SVCnet 与 MS-TDNN 识别器相结合的系统。