用于加速 i-Vector 系统开发的超向量压缩策略
音频与语音处理
2018-05-04 v1 计算与语言
机器学习
声音
机器学习
摘要
前端因子分析（FEFA）是主成分分析（PPCA）针对高斯混合模型（GMMs）的扩展，目前是提取紧凑的语句级特征（i-vectors）用于自动说话人验证（ASV）系统的主流方法。将 FEFA 与应用于最大后验（MAP）自适应 GMM 超向量的常规 PPCA 进行比较的研究很少。我们研究了若干替代方法，包括 PPCA、因子分析（FA）以及两种有监督方法——有监督 PPCA（SPPCA）和近期提出的概率偏最小二乘（PPLS），以压缩 MAP 自适应的 GMM 超向量。所得 i-vectors 用于带有概率线性判别分析（PLDA）后端的 ASV 任务。我们在两个不同数据集上实验：NIST SRE 2010 的电话条件，以及近期从包含名流访谈的 YouTube 视频中收集的、录制于多种声学与技术条件的 VoxCeleb 语料库。结果表明，就 ASV 准确率而言，超向量压缩方法与 FEFA 相当。有监督方法未带来性能提升。与 FEFA 相比，使用 PPCA 和 FA 超向量压缩方法我们在总变异性模型（TVM）训练中获得了超过百倍（100x）的加速。
引用
@article{arxiv.1805.01156,
title = {Supervector Compression Strategies to Speed up I-Vector System Development},
author = {Ville Vestman and Tomi Kinnunen},
journal= {arXiv preprint arXiv:1805.01156},
year = {2018}
}
备注
To appear in Speaker Odyssey 2018: The Speaker and Language Recognition Workshop