本文介绍了将x-vector应用于口语识别任务，通过深度神经网络提取固定维度的embedding——x-vector，用于捕捉长时语言特征。2017年NIST语言识别评估中，x-vector表现出色，超越i-vector系统。文章探讨了x-vector的不同变体，包括多语言瓶颈特征、数据增强和判别式高斯分类器，以提升性能。
来自文章''Spoken Language Recognition using X-vectors''，以下是摘要部分：
在本文中，将x-vector应用于口语识别任务。 该网络由深度神经网络组成，该网络将语音特征序列映射到固定维度的embedding，称为x-vector。 通过跨时间聚合信息的暂存池化层在网络中捕获长时语言特征。 一旦提取，x-vector可以使用为i-vector开发的相同分类技术。 在2017年NIST语言识别评估中，x-vector获得了出色的结果，并且超越了我们最先进的i-vector系统。 在这里给出的后评估分析中，我们尝试了x-vector框架的几种变体，并发现最佳性能系统使用了多语言瓶颈特征，数据增强和判别式高斯分类器。
1. 引言：
2. x-vector系统
2.1 综述
x-vector系统基于为说话人识别开发的框架[11]。 该系统由一个前馈DNN组成，它将可变长度的语音段映射到我们称之为x-vector的embedding。 一旦被提取，x-vector就由第4节中经过训练的高斯分类器分类。
2.2 结构
F代表特征纬度ÿ
最低0.47元/天 解锁文章
扫一扫
97
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
