小资源条件下提升口语语言辨识泛化能力的小波散射变换
音频与语音处理
2023-10-04 v2 计算与语言
摘要
口语语言辨识(LID)中常用的特征,如梅尔谱图或 MFCC,由于加窗会丢失高频信息。对于更长的时间上下文,这种损失进一步加剧。为改善小资源 LID 系统的泛化能力,我们研究了一种可弥补上述缺陷的替代特征表示——小波散射变换(WST)。据我们所知,WST 此前未在 LID 任务中被探索。我们首先针对多个南亚 LID 语料库优化 WST 特征。我们表明 LID 需要低倍频程分辨率,且频率散射并无用处。此外,跨语料库评估显示最优 WST 超参数取决于训练与测试语料库。因此,我们开发了融合 ECAPA-TDNN 的基于不同 WST 超参数集合的 LID 系统,以提升对未知数据的泛化能力。与 MFCC 相比,在同语料库与盲 VoxLingua107 评估中 EER 分别降低至多 14.05% 与 6.40%。
引用
@article{arxiv.2310.00602,
title = {Wavelet Scattering Transform for Improving Generalization in Low-Resourced Spoken Language Identification},
author = {Spandan Dey and Premjeet Singh and Goutam Saha},
journal= {arXiv preprint arXiv:2310.00602},
year = {2023}
}
备注
Accepted and presented in INTERSPEECH 2023