Detail publikace

Investigation of Specaugment for Deep Speaker Embedding Learning

WANG, S.; ROHDIN, J.; PLCHOT, O.; BURGET, L.; YU, K.; ČERNOCKÝ, J. Investigation of Specaugment for Deep Speaker Embedding Learning. In ICASSP, IEEE International Conference on Acoustics, Speech and Signal Processing - Proceedings. Barcelona: IEEE Signal Processing Society, 2020. p. 7139-7143. ISBN: 978-1-5090-6631-5.
Název česky
Výzkum metody Specaugment pro hluboké učení embeddingů mluvčích
Typ
článek ve sborníku konference
Jazyk
anglicky
Autoři
Wang Shuai
Rohdin Johan Andréas, M.Sc., Ph.D. (UPGM)
Plchot Oldřich, Ing., Ph.D. (UPGM)
Burget Lukáš, doc. Ing., Ph.D. (UPGM)
YU, K.
Černocký Jan, prof. Dr. Ing. (UPGM)
URL
Klíčová slova

speaker embedding, on-the-fly data augmentation, speaker verification, specaugment

Abstrakt

SpecAugment je nově navržená metoda rozšíření dat pro rozpoznávání řeči. Náhodným maskováním pásů v log Mel spektogramu tato metoda vede k působivým zlepšením výkonu. V tomto článku zkoumáme použití SpecAugment pro úkoly ověření mluvčího. K analýze účinnosti SpecAugments se používají dva různé modely, konkrétně 1-D konvoluční TDNN a 2-D konvoluční ResNet34, proškolené buď se ztrátou Softmax nebo AAM-Softmax. Experimenty jsou prováděny na datovém souboru Voxceleb a NIST SRE 2016. Aplikací SpecAugmentu na původní čistá data nepřetržitě bez složitých metod rozšiřování off-line dat jsme získali 3,72% a 11,49% EER pro kantonský NIST SRE 2016 a Tagalog. Pro vyhodnocovací sadu Voxceleb1 jsme získali 1,47% EER.

Rok
2020
Strany
7139–7143
Sborník
ICASSP, IEEE International Conference on Acoustics, Speech and Signal Processing - Proceedings
ISBN
978-1-5090-6631-5
Vydavatel
IEEE Signal Processing Society
Místo
Barcelona
DOI
10.1109/ICASSP40776.2020.9053481
UT WoS
000615970407081
EID Scopus
2-s2.0-85089236385
BibTeX 
@inproceedings{BUT163947,
  author="WANG, S. and ROHDIN, J. and PLCHOT, O. and BURGET, L. and YU, K. and ČERNOCKÝ, J.",
  title="Investigation of Specaugment for Deep Speaker Embedding Learning",
  booktitle="ICASSP, IEEE International Conference on Acoustics, Speech and Signal Processing - Proceedings",
  year="2020",
  pages="7139--7143",
  publisher="IEEE Signal Processing Society",
  address="Barcelona",
  doi="10.1109/ICASSP40776.2020.9053481",
  isbn="978-1-5090-6631-5",
  url="https://ieeexplore.ieee.org/document/9053481/authors#authors"
}
Nahoru