基于 Transformer 的语音年龄与性别预测
声音
2023-06-30 v1 音频与语音处理
摘要
我们报告了多个公开可用数据集的整理，用于年龄与性别预测。此外，我们展示了使用基于预训练 wav2vec 2.0 的模型预测年龄和性别的实验。根据数据集不同，我们在年龄上取得 7.1 年至 10.8 年之间的 MAE，在性别（女、男、儿童）上取得至少 91.1% 的 ACC。与基于手工特征的建模方法相比，我们提出的系统在年龄上 UAR 提升 9%，在性别上 UAR 提升 4%。为使我们的发现可复现，我们向社区发布性能最佳的模型以及数据划分的样例列表。
引用
@article{arxiv.2306.16962,
title = {Speech-based Age and Gender Prediction with Transformers},
author = {Felix Burkhardt and Johannes Wagner and Hagen Wierstorf and Florian Eyben and Björn Schuller},
journal= {arXiv preprint arXiv:2306.16962},
year = {2023}
}
备注
5 pages, submitted to 15th ITG Conference on Speech Communication