面向嵌入式系统的小 footprint 文本无关说话人验证
声音
2021-04-22 v2 计算与语言
机器学习
音频与语音处理
摘要
深度神经网络说话人验证方法已被证明是成功的，但最先进（SOTA）系统的典型计算需求使其不适合嵌入式应用。本工作中，我们提出一种两阶段模型架构，其规模比常见方案小几个数量级（237.5K 学习参数，11.5MFLOPS），在公认的 VoxCeleb1 验证测试集上达到了 3.31% 等错误率（EER）的竞争性结果。我们展示了在物联网系统典型的小型设备（如 Raspberry Pi 3B）上运行本方案的可能性，对 5 秒长语音的延迟小于 200ms。此外，我们在声学上具有挑战性的 VOiCES 语料库上评估了我们的模型。相对于 2019 年 VOiCES from a Distance 挑战赛得分最高的模型，我们的 EER 仅增加 2.6 个百分点，而学习参数数量减少了 25.6 倍。
引用
@article{arxiv.2011.01709,
title = {Small footprint Text-Independent Speaker Verification for Embedded Systems},
author = {Julien Balian and Raffaele Tavarone and Mathieu Poumeyrol and Alice Coucke},
journal= {arXiv preprint arXiv:2011.01709},
year = {2021}
}