基于 VAE 的深度说话人嵌入正则化方法
声音
2019-04-09 v1 机器学习
音频与语音处理
摘要
深度说话人嵌入在说话人识别中取得了最先进的性能。这些嵌入向量（称为“x-vectors”）的一个潜在问题是其并非高斯分布，导致在使用著名的 PLDA 后端打分时出现性能下降。本文提出一种基于变分自编码器（VAE）的正则化方法。该模型将 x-vectors 变换到一个潜空间，其中映射后的潜码更具高斯性，从而更适用于 PLDA 打分。
引用
@article{arxiv.1904.03617,
title = {VAE-based regularization for deep speaker embedding},
author = {Yang Zhang and Lantian Li and Dong Wang},
journal= {arXiv preprint arXiv:1904.03617},
year = {2019}
}