Detail publikace

How To Improve Your Speaker Embeddings Extractor in Generic Toolkits

ZEINALI, H.; BURGET, L.; ROHDIN, J.; STAFYLAKIS, T.; ČERNOCKÝ, J. How To Improve Your Speaker Embeddings Extractor in Generic Toolkits. In Proceedings of 2019 IEEE INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH AND SIGNAL PROCESSING (ICASSP). Brighton: IEEE Signal Processing Society, 2019. p. 6141-6145. ISBN: 978-1-5386-4658-8.
Název česky
Jak zlepšit Váš extraktor embeddingů mluvčích v běžných toolkitech
Typ
článek ve sborníku konference
Jazyk
anglicky
Autoři
Zeinali Hossein, Ph.D. (UPGM)
Burget Lukáš, doc. Ing., Ph.D. (UPGM)
Rohdin Johan Andréas, M.Sc., Ph.D. (UPGM)
Stafylakis Themos
Černocký Jan, prof. Dr. Ing. (UPGM)
URL
Klíčová slova

Deep neural network, speaker embedding, xvector, Tensorflow, Kaldi.

Abstrakt

V poslední době se embeddingy mluvčího extrahované hlubokými neuronovými sítěmi staly nejmodernější metodou pro ověřování mluvčích. Cílem této práce je usnadnit její implementaci na obecnější sadě nástrojů než Kaldi, u níž očekáváme další zlepšení této metody. V tréninku zkoumáme několik triků, jako jsou účinky normalizace vstupních funkcí a společné statistiky, různé metody prevence nadměrného přizpůsobení a alternativní nelinearity, které lze použít místo lineárních jednotek usměrňovače. Dále zkoumáme rozdíl ve výkonu mezi TDNN a CNN a mezi dvěma typy mechanismu pozornosti. Experimentální výsledky datových souborů Speaker in the Wild, SRE 2016 a SRE 2018 ukazují účinnost navrhované implementace.

Rok
2019
Strany
6141–6145
Sborník
Proceedings of 2019 IEEE INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH AND SIGNAL PROCESSING (ICASSP)
ISBN
978-1-5386-4658-8
Vydavatel
IEEE Signal Processing Society
Místo
Brighton
DOI
10.1109/ICASSP.2019.8683445
UT WoS
000482554006074
EID Scopus
2-s2.0-85068991245
BibTeX 
@inproceedings{BUT158087,
  author="Hossein {Zeinali} and Lukáš {Burget} and Johan Andréas {Rohdin} and Themos {Stafylakis} and Jan {Černocký}",
  title="How To Improve Your Speaker Embeddings Extractor in Generic Toolkits",
  booktitle="Proceedings of 2019 IEEE INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH AND SIGNAL PROCESSING (ICASSP)",
  year="2019",
  pages="6141--6145",
  publisher="IEEE Signal Processing Society",
  address="Brighton",
  doi="10.1109/ICASSP.2019.8683445",
  isbn="978-1-5386-4658-8",
  url="https://ieeexplore.ieee.org/abstract/document/8683445"
}
Nahoru