HCCL 用于远场说话人验证挑战赛的说话人验证系统
声音
2021-07-06 v1 音频与语音处理
摘要
本文描述了 HCCL 团队提交给 Far-Field Speaker Verification Challenge 的系统。我们在 AIshell Speaker Verification Challenge 2019 中的先前工作表明，神经网络架构强大的建模能力可为该类任务提供卓越性能。因此，在本挑战赛中，我们专注于构建基于 TDNN、Resnet 与 Res2net 块的深度神经网络架构。大多数所开发的系统由神经网络嵌入组成，并应用 PLDA 后端。首先，采用速度扰动方法增强数据，取得了显著的性能提升。随后，我们探索了 AMsoftmax 损失函数的使用，并提议在使用 AMsoftmax 损失训练模型时加入一个 CE-loss 分支。此外，还研究了分数归一化对性能的影响。最终系统为四个系统的融合，在 task1 评估集上取得 minDCF 0.5342、EER 5.05\%，在 task3 评估集上取得 minDCF 0.5193、EER 5.47\%。
引用
@article{arxiv.2107.01329,
title = {The HCCL Speaker Verification System for Far-Field Speaker Verification Challenge},
author = {Zhuo Li and Ce Fang and Runqiu Xiao and Zhigao Chen and Wenchao Wang and Yonghong Yan},
journal= {arXiv preprint arXiv:2107.01329},
year = {2021}
}