面向缺陷数据集上说话人识别的语音转换增强
音频与语音处理
2025-09-03 v2
摘要
现代说话人识别系统依赖充足且均衡的数据集进行分类训练。然而，在真实应用中，各种缺陷数据集十分常见，如部分标注、小规模和不均衡数据集。以往的研究通常从算法角度针对每种场景研究特定的解决方案。但这些问题的根本原因在于数据集的不完善。为了用统一的方案应对这些挑战，我们提出了语音转换增强（VCA）策略，从训练集中获取伪语音。此外，为了保证生成质量，我们设计了 VCA-NN（最近邻）策略，从表征空间中与目标语音相近的语音片段中挑选源语音。我们在三个创建的数据集上的实验结果表明，VCA-NN 有效缓解了这些数据集问题，为从数据层面处理说话人识别问题提供了新方向。
引用
@article{arxiv.2404.00863,
title = {Voice Conversion Augmentation for Speaker Recognition on Defective Datasets},
author = {Ruijie Tao and Zhan Shi and Yidi Jiang and Tianchi Liu and Haizhou Li},
journal= {arXiv preprint arXiv:2404.00863},
year = {2025}
}
备注
6 pages