面向说话人年龄估计的标签分布学习方法
声音
2022-02-24 v1 机器学习
音频与语音处理
机器学习
摘要
现有的说话人年龄估计方法通常将其视为多类分类或回归问题。然而，由于标签模糊性（即同一人相邻年龄的语音往往难以区分），精确的年龄识别仍具挑战。为此，我们利用年龄标签间的模糊信息，将每个年龄标签转换为离散标签分布，并采用标签分布学习（LDL）方法来拟合数据。对于每个音频数据样本，我们的方法生成其说话人的年龄分布，并基于该分布进一步执行两项其他任务：年龄预测与年龄不确定性最小化。因此，我们的方法自然结合了年龄分类与回归方法，增强了鲁棒性。我们在公开 NIST SRE08-10 数据集与一个真实世界数据集上开展实验，结果表明我们的方法以较大优势优于基线方法，在真实世界数据集上平均绝对误差（MAE）降低了 10%。
引用
@article{arxiv.2202.11424,
title = {Towards Speaker Age Estimation with Label Distribution Learning},
author = {Shijing Si and Jianzong Wang and Junqing Peng and Jing Xiao},
journal= {arXiv preprint arXiv:2202.11424},
year = {2022}
}
备注
Accepted by the 47th IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP 2022)