基于原始波形的端到端DNN中避免说话人过拟合的文本无关说话人验证

最新推荐文章于 2024-07-17 13:34:25 发布
最新推荐文章于 2024-07-17 13:34:25 发布
阅读量664 收藏 4
点赞数
分类专栏： 深度学习声纹识别 论文翻译 文章标签： 2018interspeech论文翻译
深度学习声纹识别 同时被 3 个专栏收录
44 篇文章 76 订阅 ¥19.90 ¥99.00
订阅专栏
论文翻译
31 篇文章 0 订阅
订阅专栏
说话人识别
20 篇文章 1 订阅
订阅专栏
研究提出了一种新的原始波形端到端DNN，用于文本无关的说话人验证，以解决说话人过拟合问题。通过正则化技术、多步训练和残差连接减少过拟合，提升性能。实验在VoxCeleb数据集上进行，证明了模型优于i-向量/PLDA和频谱端到端系统。
摘要由CSDN通过智能技术生成

Avoiding Speaker Overfitting in End-to-End DNNs using Raw Waveform for Text-Independent Speaker Verification

 

基于原始波形的端到端DNN中避免说话人过拟合的文本无关说话人验证

Avoiding Speaker Overfitting in End-to-End DNNs using Raw Waveform for Text-Independent Speaker Verification

摘要

 

在本研究中，我们提出一种新的原始波形端到端DNN，用于与文字无关的说话人验证。对于说话人识别，许多研究都采用说话人嵌入方案，将深层神经网络训练为说话人识别器，提取说话人特征。然而，该方案具有固有的局限性，其中训练成只对已知说话人进行分类的讲话人特征需要表示未知说

了解本专栏 订阅专栏 解锁全文
落雪snowflake
关注
专栏目录
订阅专栏
TTS合成技术中的语音合成和人工智能和自然语言处理
AI天才研究院
07-14 2048
作者：禅与计算机程序设计艺术 随着AI领域不断发展，语音识别、机器翻译等技术在各个领域都有很大的应用价值。而语音合成(Text-To-Speech, TTS)则是语音技术的一个重要组成部分。TTS的主要任务就是将文本转化为语音信号，以便用户能够通过听觉接收到计算机生成的文字信息或者命令。除了传统的男声女声外，基于深度学习的TTS还可以实现
【原理+实战】AI所有领域SOTA综述 （一）语音识别
cv君的博客
04-01 5444
文章目录前言语音识别原理信号处理，声学特征提取识别字符，组成文本声学模型语言模型词汇模型语音声学特征提取：MFCC和LogFBank算法的原理实战一 ASR语音识别模型系统的流程基于HTTP协议的API接口客户端未来实战二 调百度和科大讯飞API实战三 离线语音识别 Vosk 前言 首先，cv君下血本费时整理了AI在音视频领域的大量的方向，形成本文综述，从原理到底层算法，到上层应用，统统透析~本系列由于综述文章过长的原因，所以分开写了。文章附带大量的算法原理+代码实现教学，欢迎关注，一起AI。 语音识别原
端到端的文本相关说话人确认
海上机械师
03-16 972
在大数据的文本相关说话人确认中，G. Heigold 提出了一种端到端的系统，该系统将一段测试语音和一组注册语音进行匹配，直接投影为确认的得分。该方法由单个神经网络结构组成，采用联合优化的方式训练系统各个组成部分，包括确认评估的过程。在 "OK Google" 的测试场景中，提出的端到端方法优于 i-vector 系统和 d-vector，并实现了 EER 从 3% 到 2% 的提升。结果还表明：1）在说话人确认任务中，段层次的特征优于帧层次的特征；2）RNN 结构能够进一步达到 1.5% EER。
文献阅读：基于深度神经网络的用于端到端说话人验证的说话人嵌入
Tristespirit的博客
04-12 542
论文 DEEP NEURAL NETWORK-BASED SPEAKER EMBEDDINGS FOR END-TO-END SPEAKER VERIFICATION 摘要
【有啥问啥】什么是端到端（End-to-End）？
最新发布
Chauvin的博客
07-17 3841
端到端方法在人工智能领域的应用前景广阔，其优势在于简化流程和全局优化。然而，在实际应用中，我们需要根据具体场景权衡其优劣势，选择合适的方法。在数据稀缺、高可解释性需求和多任务复杂系统中，传统方法可能仍然具有不可替代的价值。通过结合端到端方法与传统方法的优势，我们可以更好地应对现实中的各种挑战，推动人工智能技术的发展和应用。
文献阅读：短时语音中具有三元组损失的端到端的文本无关的说话人验证
Tristespirit的博客
04-23 346
论文 论文：**End-to-End Text-Independent Speaker Verification with Triplet Loss on Short Utterances ** 摘要   尽管最近在说话人识别的i-vec框架取得了进展，但针对短时语音的文本无关的说话人验证仍然是一个挑战。通常，为了得到一个具有鲁棒性的说话人表示，在最大后验自适应的步骤中需要足够多的数据，在短时条件下通常很难满足。为了克服这一点，我们提出了一个端到端的系统，它直接学习一个从语音特征到固定长度的说话人判别嵌
文献阅读：基于时延深度神经网络的说话人识别通用背景模型
Tristespirit的博客
04-15 536
论文 论文：TIME DELAY DEEP NEURAL NETWORK-BASED UNIVERSAL BACKGROUND MODELS FOR SPEAKER RECOGNITION 摘要   DNN被引入i-vector说话人识别系统并取得了显著的性能提升。
语音识别之DNN-HMM
子耶
03-12 4461
文章目录写在前面DNN-HMM步骤:GMM-HMM中的HMMforce alignmentembeded training 写在前面 最近做声纹识别，需要用到语音识别的知识，在此记录一下。 DNN-HMM步骤: 帧长切分, 提取特征(MFCC) GMM-HMM进行alignment对齐; 对每一帧进行聚类(音素总数), 获得每帧属于各个音素的概率; HMM进行解码搜索, 获得每一帧最优音素表示序...
基于扩展起始网络和U-Net的语音分离模型
基于短时傅立叶变换倒谱系数的对数滤波器组能量与谱子带质心视听言语A B S T R A C T本文提出了一种从其他说话人的语音组合中分离出目标说话人的语音的视听模型。它可以用于语音分离，自动语音识别系统（ASR），也...
论文中文解读 End-to-End Multimodal Emotion Recognition using Deep Neural Networks 基于深度神经网络的端到端多模态情感识别
mengmeng19870109的博客
01-14 1520
论文解读 End-to-End Multimodal Emotion Recognition using Deep Neural Networks 基于深度神经网络的端到端多模态情感识别 摘要：我们提出了一种使用听觉和视觉方式的情绪识别系统。我们利用卷积神经网络（CNN）从语音中提取特征，而对于视觉模态，则使用50层的深度残差网络（ResNet）。其中特征提取要鲁棒，机器学习算法要对异常值不敏感，同时能够对上下文进行建模。利用了长期短期记忆（LSTM）网络。通过利用每个流的相关性，以端到端的方式对系统进行训
VGGVOX模型 说话人识别 测试
weixin_41738734的博客
01-09 1809
VGGVOX模型 说话人识别 测试简介环境配置与安装测试 简介 原始代码来自：https://github.com/a-nagrani/VGGVox 这是一个Matlab代码，同时也需要配置安装一些额外的东西 代码功能git中的readme已经大致说清了，总之他是一个以不同人的声音进行区分的代码 环境配置与安装 根据文中描述 需要 Matlab 与 Matconvnet 但是需要注意的是，第二的...
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
深度学习基础--端到端学习（end-to-end learning）
wydbyxr的博客
11-02 1849
端到端学习（end-to-end learning）   深度学习下的端到端学习旨在通过一个深度神经网络直接学习从数据的原始形式到数据的标记的映射。   端到端学习并不应该作为我们的一个追求目标，是否要采用端到端学习的一个重要考虑因素是：有没有足够的数据对应端到端的过程，以及我们有没有一些领域知识能够用于整个系统中的一些模块。 ...
说话人识别----技术挑战点
sunfoot001的专栏
07-04 1182
技术挑战点为: 与文本无关; 说话人识别中的跨信道、噪音; 短语音; 多说话人、防假冒处理; 训练库大小限制;
端到端语音识别（四） raw wavform
xmdxcsj的专栏
04-20 4569
现在的端到端语音识别的第一个“端”大部分还是使用人为设定的语音特征，比如FBANK/PLP，更高级的端到端语音识别输入是语音波形，输出是文字。 近几年也有一些工作是使用神经网络（比如CNN）来学习传统的特征提取步骤，取得了跟使用传统的语音特征相当的结果，当前这部分工作绝大多数还是基于传统的HMM框架来做，还没有跟CTC或者encoder-decoder相结合。CNNGoogle[1]分析了CNN跟
语音合成论文优选：RW-Resnet: A Novel Speech Anti-Spoofing Model Using Raw Waveform
低调奋进
08-13 484
声明：语音合成论文优选系列主要分享论文，分享论文不做直接翻译，所写的内容主要是我对论文内容的概括和个人看法。文章同列统计可访问。http://yqli.tech/page/tts_paper.html 如有转载，请标注来源。欢迎关注微信公众号：低调奋进 RW-Resnet: A Novel Speech Anti-Spoofing Model Using Raw Waveform 本文为上海大学在2021.08.12更新的文章，本篇文章主要使用原始波形做反欺诈的研究，具体的文章链接https://..
（IS 19）Unsupervised Raw Waveform Representation Learning for ASR
Pandade
04-08 617
会议：INTERSPEECH 2019 论文：Unsupervised Raw Waveform Representation Learning for ASR 作者：Purvi Agrawal, Sriram Ganapathy Abstract 在本文中，我们提出了一种在无监督学习范例中使用原始语音波形的深度表示学习方法。提出的深度模型的第一层执行声学滤波，而随后的一层执行调制滤波。使用学习其...
说话人识别论文翻译：2018_speaker recognition from raw waveform with SincNet
凌逆战的博客
10-24 1328
　　作为一种可行的替代i-vector的说话人识别方法，深度学习正日益受到欢迎。利用卷积神经网络(CNNs)直接对原始语音样本进行处理，取得了良好的效果。而不是使用标准的手工制作的功能，后一种CNNs从波形中学习低电平的语音表示，潜在地允许网络更好地捕获重要的窄带扬声器特性，如音高和共振峰。合理设计神经网络是实现这一目标的关键。 　　本文提出了一种新的CNN架构，称为SincNet，它鼓励第一个卷积层发现更有意义的过滤器。SincNet是基于参数化的sinc函数，实现带通滤波器。与标准CNNs不同的是，.
深度神经网络嵌入：文本无关说话人验证的新突破
本文主要探讨了深度神经网络（Deep Neural Networks, DNN）在文本无关的说话人验证（Text-Independent Speaker Verification, TIVS）中的应用。传统的说话人验证技术依赖于i-向量，这是一种用于捕捉说话人特性的低维...
评论 1
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