Voxceleb-ESP：检测西班牙语名人的语音初步实验
声音
2024-01-19 v1 机器学习
音频与语音处理
摘要
本文介绍了 VoxCeleb-ESP，这是一组指向 YouTube 视频的指针和时间戳集合，旨在促进新型说话人识别数据集的构建。VoxCeleb-ESP 捕捉真实世界场景，融合了多样的说话风格、噪声和信道失真。它包含 160 位涵盖不同类别的西班牙名人，确保在年龄组和西班牙地理区域上的代表性分布。我们为说话人识别任务提供了两个说话人试验列表，分别包含同视频或不同视频的目标试验，并辅以 ResNet 预训练模型的跨语言评估。初步的说话人识别结果表明，VoxCeleb-ESP 中检测任务的复杂度与原始且规模更大的英语 VoxCeleb 相当。VoxCeleb-ESP 通过为西班牙语提供全面且多样的数据集，促进了说话人识别基准的扩展。
引用
@article{arxiv.2401.09441,
title = {Voxceleb-ESP: preliminary experiments detecting Spanish celebrities from their voices},
author = {Beltrán Labrador and Manuel Otero-Gonzalez and Alicia Lozano-Diez and Daniel Ramos and Doroteo T. Toledano and Joaquin Gonzalez-Rodriguez},
journal= {arXiv preprint arXiv:2401.09441},
year = {2024}
}