Detail publikace

Development of ABC systems for the 2021 edition of NIST Speaker Recognition evaluation

ALAM, J.; BURGET, L.; GLEMBEK, O.; MATĚJKA, P.; MOŠNER, L.; PLCHOT, O.; ROHDIN, J.; SILNOVA, A.; STAFYLAKIS, T. Development of ABC systems for the 2021 edition of NIST Speaker Recognition evaluation. Proceedings of The Speaker and Language Recognition Workshop (Odyssey 2022). Beijing: International Speech Communication Association, 2022. p. 346-353.
Název česky
Vývoj ABC systémů pro ročník 2021 NIST evalulace systémů pro rozpoznávání mluvčího
Typ
článek ve sborníku konference
Jazyk
anglicky
Autoři
Alam Jahangir
Burget Lukáš, doc. Ing., Ph.D. (UPGM)
Glembek Ondřej, Ing., Ph.D.
Matějka Pavel, Ing., Ph.D.
Mošner Ladislav, Ing. (UPGM)
Plchot Oldřich, Ing., Ph.D. (UPGM)
Rohdin Johan Andréas, M.Sc., Ph.D. (UPGM)
Silnova Anna, M.Sc., Ph.D. (UPGM)
Stafylakis Themos
a další
URL
Klíčová slova

ověření mluvčího, rozpoznávání, evaluace

Abstrakt

V tomto příspěvku poskytujeme popis týmu ABCspolečné úsilí o rozvoj ověřování mluvčíhosystémy pro NIST Speaker Recognition Evaluation 2021 (NITSRE2021).Dvěma hlavními jsou mezijazyčné studie a studie napříč datovými souboryvýzvy představené v NIST-SRE2021. Příspěvky ABCtým jsou výsledkem aktivní spolupráce výzkumníků z VUT,CRIM, Omilia a Innovatrics. Zúčastnili jsme se všech tří blízkých podmínekstopy pro pouze audio, audio-vizuální a vizuální ověřeníúkoly. Naše systémy pouze pro audio se řídí hlubokými reproduktory(např. x-vektory) s následným skórovacím paradigmatem PLDA. Jako vloženíextraktoru vybíráme některé varianty zbytkové neuronové sítě(ResNet), neuronová síť s faktorovaným časovým zpožděním (FTDNN) aArchitektury hybridních neuronových sítí (HNN). Vložení HNNextraktor využívá sítě CNN, LSTM a TDNN a zahrnujevíceúrovňová metoda sdružování globálních místních statistik v pořádkuagregovat informace o mluvčích v krátkém časovém období akontext na úrovni výpovědi. Naše pouze vizuální systémy jsou založeny na předem vyškolenýchextraktory embeddingu využívající některé varianty ResNeta bodování je založeno na kosinové vzdálenosti. Při vývoji anaudio-vizuální systém, jednoduše pojistíme výstupy nezávislého audiaa vizuální systémy. Naše finální předložené systémy jsou získányprovedením fúze na úrovni skóre subsystémů následované skórekalibrace.

Rok
2022
Strany
346–353
Sborník
Proceedings of The Speaker and Language Recognition Workshop (Odyssey 2022)
Konference
Odyssey 2022: Workshop o rozpoznávání mluvčího a jazyka, Beijing, CN
Vydavatel
International Speech Communication Association
Místo
Beijing
DOI
10.21437/Odyssey.2022-48
BibTeX 
@inproceedings{BUT179689,
  author="Jahangir {Alam} and Lukáš {Burget} and Ondřej {Glembek} and Pavel {Matějka} and Ladislav {Mošner} and Oldřich {Plchot} and Johan Andréas {Rohdin} and Anna {Silnova} and Themos {Stafylakis}",
  title="Development of ABC systems for the 2021 edition of NIST Speaker Recognition evaluation",
  booktitle="Proceedings of The Speaker and Language Recognition Workshop (Odyssey 2022)",
  year="2022",
  pages="346--353",
  publisher="International Speech Communication Association",
  address="Beijing",
  doi="10.21437/Odyssey.2022-48",
  url="https://www.isca-speech.org/archive/pdfs/odyssey_2022/alam22_odyssey.pdf"
}
Soubory
Nahoru