Detail publikace
Discriminatively Re-trained i-Vector Extractor For Speaker Recognition
Plchot Oldřich, Ing., Ph.D. (UPGM)
Glembek Ondřej, Ing., Ph.D.
Burget Lukáš, doc. Ing., Ph.D. (UPGM)
Matějka Pavel, Ing., Ph.D. (UPGM)
i-vectors, i-vector extractor, speaker recogni-tion, speaker verification, discriminative training
Tento článek pojednává o diskriminativně přetrénovaném extraktoru i-vektorů pro rozpoznávání mluvčího.V této práci se znovu věnujeme diskriminačnímu tréninku komponenty i-vektorového extraktoru v systému standardního ověřování mluvčích (SV). Motivace našeho výzkumu spočívá v robustnosti a stabilitě tohoto velkého generativního modelu, který chceme zachovat, a zaměřit jeho sílu na jakýkoli zamýšlený úkol SV. Ukazujeme, že po generativní inicializaci i-vektorového extraktoru ji můžeme dále zdokonalit diskriminačním tréninkem a získat i-vektory, které vedou k lepšímu výkonu na různých benchmarcích představujících různé akustické domény.
@inproceedings{BUT160000,
author="Ondřej {Novotný} and Oldřich {Plchot} and Ondřej {Glembek} and Lukáš {Burget} and Pavel {Matějka}",
title="Discriminatively Re-trained i-Vector Extractor For Speaker Recognition",
booktitle="Proceedings of 2019 IEEE INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH AND SIGNAL PROCESSING (ICASSP)",
year="2019",
pages="6031--6035",
publisher="IEEE Signal Processing Society",
address="Brighton",
doi="10.1109/ICASSP.2019.8682590",
isbn="978-1-5386-4658-8",
url="https://ieeexplore.ieee.org/document/8682590"
}