基于 VAE 的说话人验证域自适应方法
音频与语音处理
2019-08-28 v1 机器学习
声音
摘要
深度说话人嵌入在说话人验证中已取得令人满意的性能。通过强制神经模型区分训练集中的说话人，可从隐藏层得到深度说话人嵌入（称为“x-vectors”）。尽管性能良好，当前的嵌入模型对域高度敏感，这意味着它通常在声学条件与训练数据匹配（域内）的域中表现良好，而在失配域（域外）中性能下降。在本文中，我们提出一种基于变分自编码器（VAE）的域自适应方法。该模型将 x-vectors 变换到一个正则化潜空间；在此潜空间内，来自目标域的少量数据即足以完成自适应。我们的实验表明，通过这种 VAE 自适应方法，说话人嵌入可轻松变换至目标域，带来显著的性能提升。
引用
@article{arxiv.1908.10092,
title = {VAE-based Domain Adaptation for Speaker Verification},
author = {Xueyi Wang and Lantian Li and Dong Wang},
journal= {arXiv preprint arXiv:1908.10092},
year = {2019}
}