基于深度神经网络的自适应软语音活动检测用于鲁棒说话人验证
音频与语音处理
2020-02-25 v1 计算与语言
机器学习
声音
机器学习
摘要
语音活动检测(VAD)将语音帧分类为语音或非语音,是包括说话人验证在内的许多语音应用中的重要模块。本文提出一种称为自适应软VAD的新方法,将基于深度神经网络(DNN)的VAD引入深度说话人嵌入系统。该方法结合以下两种思路:第一种是软VAD,对从说话人特征提取器提取的帧级特征进行软选择,帧级特征由其对应的、由基于DNN的VAD估计的语音后验概率加权,再聚合生成说话人嵌入;第二种是自适应VAD,在说话人验证数据上对预训练VAD进行微调以减小领域失配。我们引入两种无监督领域自适应(DA)方案,即基于语音后验的自适应(SP-DA)和基于联合学习的自适应(JL-DA)。在韩语语音数据库上的实验表明,在真实环境中使用自适应软VAD可显著提升验证性能。
引用
@article{arxiv.1909.11886,
title = {Self-Adaptive Soft Voice Activity Detection using Deep Neural Networks for Robust Speaker Verification},
author = {Youngmoon Jung and Yeunju Choi and Hoirin Kim},
journal= {arXiv preprint arXiv:1909.11886},
year = {2020}
}
备注
Accepted at 2019 IEEE Automatic Speech Recognition and Understanding Workshop (ASRU 2019)