面向 spoken keyword spotting 的声道长度失真特征
声音
2025-01-08 v1 人工智能
机器学习
音频与语音处理
摘要
本文提出了若干方法，融合声道长度 (VTL) 失真特征用于 spoken keyword spotting (KWS)。第一种方法 VTL-independent KWS involves 训练一个单一的深度神经网络 (DNN) 利用 VTL 特征及 various 失真因子。训练期间，随机选择特定的 VTL 特征，允许探索 VTL 变化。在测试期间，VTL 特征于不同失真因子下对 test utterance 进行评分并等权组合。在第二种方法中，对 test utterance 的常规特征（无 VTL 失真）评分。第三种方法 VTL-concatenation KWS 将 VTL 失真特征拼接形成高维特征用于 KWS。在 English Google Command 数据集上进行的评估表明，所提方法提高了 KWS 的准确率。
引用
@article{arxiv.2501.03523,
title = {Vocal Tract Length Warped Features for Spoken Keyword Spotting},
author = {Achintya kr. Sarkar and Priyanka Dwivedi and Zheng-Hua Tan},
journal= {arXiv preprint arXiv:2501.03523},
year = {2025}
}