i-vector本质剖析

最新推荐文章于 2024-05-25 09:40:48 发布
最新推荐文章于 2024-05-25 09:40:48 发布
阅读量4.8k 收藏 10
点赞数 1
分类专栏： 声纹识别
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/chinabing/article/details/83038029
版权

1. i-vector的由来

基于因子分析理论，句子h的超向量M_h可以描述成

 其中m_{ubm}为ubm模型的均值超向量，w_h即为i-vector。

2. i-vector的计算

2.1 T矩阵的估计

O_h为句子h的观察特征，可以对应于上面的M_h，依据上式进行如下分布假设：w_h服从正态分布N(0,I)

基于最大似然准则估计T矩阵，利用到EM算法

EM：先初始化T，估计出w_h，再依据w_h估计T，反复迭代

2.2 i-vector计算公式

平凡的兵
关注
  • 1
    点赞
  • 踩
  • 10
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
专栏目录
I-Vector的推导详解
weixin_38206214的博客
08-09 1万+
在深度学习的路上，从头开始了解一下各项技术。本人是DL小白，连续记录我自己看的一些东西，大家可以互相交流。 一、前言 目前UBM-MAP-GMM是一种说话人确认技术的标准系统，在JFA模型下，我们可以把生成式模型扩展成为具有说话人部分(本征音空间矩阵V)和信道部分(本征信道空间矩阵U)这两个联合模型。但是，在JFA的实际使用中，我们发现说话人部分和信道部分没办法完美分离，还会存在一定的干扰。受...
C-C++笔试题
09-03
4. 排序与查找的时间复杂度分析：掌握大O表示法，分析算法效率。 五、面试常见题目 1. 递归问题：阶乘计算、斐波那契数列、汉诺塔等。 2. 字符串处理：字符串复制、反转、查找子串等。 3. 文件操作：文件的打开、...
声纹识别之i-vector/plda
子耶
03-12 5777
文章目录gmm-ubmi-vectorpldaReference 最近做声纹识别的项目，要用到i-vector/plad，通过查阅各种资料，大概弄清楚了整个过程的来龙去脉，在此记录一下。 整个过程为gmm-ubm -> i-vector -> plda gmm-ubm Steps: 背景数据 -> UBM -> ubm’s mean super-vector UBM -&...
声纹识别-3.i-vector/PLDA（上篇）
白水煮蝎子
04-16 2731
声纹识别-3.i-vector/PLDA 前言 前面两篇博文分别介绍了声纹识别的绪论和传统的GMM-UBM声纹识别算法。本文介绍，到目前为止，在声纹识别领域仍具有很大影响力的i-vector1/PLDA2(identification vector, Probabilistic Linear Discriminant Analysis，辨识向量，概率线性判别分析)。i-vector是代表说话人的向...
探索D-vector：无依赖的语音识别与嵌入解决方案
最新发布
gitblog_00016的博客
05-25 351
探索D-vector：无依赖的语音识别与嵌入解决方案 项目地址:https://gitcode.com/yistLin/dvector 在人工智能领域中，高效的语音处理和识别技术是至关重要的。今天，我们向您推荐一个强大的开源项目——D-vector，这是一个基于PyTorch实现的说话人嵌入训练框架，利用了GE2E（Generalized End-to-End）损失函数，为语音验证提供了全新的方法...
声纹识别之I-Vector
热门推荐
weixin_38206214的博客
07-18 3万+
在深度学习的路上，从头开始了解一下各项技术。本人是DL小白，连续记录我自己看的一些东西，大家可以互相交流。 本文参考：https://blog.csdn.net/u014688145/article/details/53046765?locationNum=7&fps=1 https://blog.csdn.net/qq_27292549/article/details/7912896...
I-vector
人总是要有梦想的QAQ的博客
07-10 1945
在实际应用中，由于说话人语音中说话人信息和各种干扰信息掺杂在一起，不同的采集设备的信道之间也具有差异性，会使我们收集到的语音中掺杂信道干扰信息。这种干扰信息会引起说话人信息的扰动。传统的GMM-UBM方法，没有办法克服这一问题，导致系统性能不稳定。 在GMM-UBM模型里，每个目标说话人都可以用GMM模型来描述。因为从UBM模型自适应到每个说话人的GMM模型时，只改变均值，对于权重和协方差不做任何调整，所以说话人的信息大部分都蕴含在GMM的均值里面。GMM均值矢量中，除了绝大部分的说话人信息之外，也包含了信
i-vector
weixin_39011425的博客
11-22 331
i-vector 这张图里没有写ivector的total variability space是怎么训练的，并且也没有写详细推导total factor w（ivector）的公式，就是一个简单的思维导图。 参考论文：N. Dehak et al. “Front-end factor analysis for speaker verification”. ...
i-vector d-vector x-vector
weixin_39087379的博客
01-18 4023
一、i-vector i-vector 模型是输出一个400维的向量 二、d-vecto DNN 会输入一个固定长度的语音，对它做 Speaker Recognition。然后我们把这个模型的最后一层隐层抽取出来，它就是这段语音的 d-vector。不用 output layer 中的最后一层输出，因为它的维度是和训练时语者数目有关的。而是它前面的那一层隐层输出。 在实际预测的时候，输入语音是不等长的，会把语音截成多段，然后取这几段特征的d-vector的平均值作为最后的speaker embedding
声学特征 ivector
xmdxcsj的专栏
11-12 1万+
提取流程1.UBMuniversal background model[1] 使用GMM建模，UBM的训练通过EM算法完成，有两种方法： - 所有的数据训练出来一个UBM，需要保证训练数据的均衡 - 训练多个UBM，然后合在一起，比如根据性别分成两个，这样的话可以更有效的利用非均衡数据以及控制最后的UBM。2.supervector 使用MAP adaptation对UBM的高斯进行线性插值
声纹识别之Alize入门教程(三)：I-vector
NonDay的博客
03-21 2784
Alize完整的ivector例程，包括：数据准备、特征提取、训练以及测试等。最终生成的得分文件res/scores_PLDA_lengthnorm.txt，其含义参考GMM-UBM。 M S0002 1 BAC009S0002W0122 0.644295 M S0003 1 BAC009S0002W0122 0.520998 M S0004 1 BAC009S0002W0122 0.4846...
i-vector的工具箱
12-12
MSR Identity Toolbox: A Matlab Toolbox for Speaker Recognition Research Version 1.0 Seyed Omid Sadjadi, Malcolm Slaney, and Larry Heck Microsoft Research, Conversational Systems Research Center (CSRC) s.omid.sadjadi@gmail.com, {mslaney,larry.heck}@microsoft.com This report serves as a user manual for the tools available in the Microsoft Research (MSR) Identity Toolbox. This toolbox contains a collection of Matlab tools and routines that can be used for research and development in speaker recognition. It provides researchers with a test bed for developing new front-end and back-end techniques, allowing replicable evaluation of new advancements. It will also help newcomers in the field by lowering the “barrier to entry”, enabling them to quickly build baseline systems for their experiments. Although the focus of this toolbox is on speaker recognition, it can also be used for other speech related applications such as language, dialect and accent identification. In recent years, the design of robust and effective speaker recognition algorithms has attracted significant research effort from academic and commercial institutions. Speaker recognition has evolved substantially over the past 40 years; from discrete vector quantization (VQ) based systems to adapted Gaussian mixture model (GMM) solutions, and more recently to factor analysis based Eigenvoice (i-vector) frameworks. The Identity Toolbox provides tools that implement both the conventional GMM-UBM and state-of-the-art i-vector based speaker recognition strategies. A speaker recognition system includes two primary components: a front-end and a back-end. The front-end transforms acoustic waveforms into more compact and less redundant representations called acoustic features. Cepstral features are most often used for speaker recognition. It is practical to only retain the high signal-to-noise ratio (SNR) regions of the waveform, therefore there is also a need for a speech activity detector (SAD) in the fr
基于I-Vector的说话人识别
01-18
基于i-vector的说话人识别系统， 内部含有 - ./doc/ this directory contains a documention on how to generate i-vectors - ./gmm/ directory used to store the Universal Background Model - ./iv/ directory used to store the i-vectors when extracted - ./mat/ directory used to store matrix objects - ./ndx/ directory used to store index files
基于Alize的ivector算法
04-09
基于Alize的ivector算法，《声纹识别之Alize入门教程(三)：I-vector》对应资源。https://blog.csdn.net/u012594175/article/details/88726163
基于ivector的说话人识别SDK
04-09
vs2013；win10；基于ivector的说话人识别SDK。参考 https://blog.csdn.net/u012594175/article/details/89108535
基于i-vector去噪的说话人识别研究
04-11
说话人识别系统在嘈杂的环境中性能会大大降低，为了处理这个强大的限制，我们的目标是直接在i向量空间中去除i向量的噪声部分。我们的方法提供了仅在i矢量提取水平下操作的优点，使系统的其他步骤不变。应用最大后验（MAP）程序以获得干净版本的噪声i矢量，利用关于干净的i向量分布的先验知识。为了执行该MAP估计，对干净的噪声i向量分布进行高斯假设。我们显示出与基准系统相比，所提出的方法的效率是以相对较高的计算成本为代价获得的。最后提出一些想法来改进这方面的内容
动态规划法解0-1背包问题
12-13
动态规划法解0-1背包问题是一种常见的优化问题，在计算机科学和算法设计中占有重要地位。0-1背包问题的基本设定是：有一组物品，每种...通过分析和实践，我们可以掌握这一重要算法，为解决更复杂的优化问题打下基础。
moba-svg
03-14
"Moba-SVG"是一个与C++编程语言相关的项目，很可能是一个用于处理SVG（Scalable Vector Graphics）图形的库或框架。SVG是一种基于XML的矢量图像格式，广泛应用于网页和应用程序，因为它可以无损缩放，保持清晰度不变...
深度学习应用前景分析.pdf
08-19
它可以使计算机在没有明确程序指令的情况下自主从大量数据中进行学习，展示了从大量无标注样本集中学习数据集本质特征强大的能力。 深度学习的定义是通过设计和分析一些让计算机可以自动“学习”的算法来达到自己所...
d-vector i-vector
09-21
d-vector的思想相对简单，但与i-vector相比效果稍差。d-vector的speaker embedding可以在DNN的倒数第二层得到。 x-vector是d-vector的升级版，它在训练过程中考虑了整段声音信号的信息。与d-vector类似，x-vector将...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 4
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值