Sep, 2015

端到端的文本相关说话人验证

PDF
TL;DR本文介绍了一种数据驱动的、集成化的发言人验证方法，通过将测试用例和参考用例直接映射到一个以同样的评估协议和度量为基础的验证分数来优化系统的组件及评估，该方法可提高大数据应用中高度准确、易于维护、系统空间小的系统效率。此外，本文还提出了一种单一神经网络架构来解决此问题，并在内部基准中评估，该方法表现出非常高的效果。
speaker verificationneural networktext-dependentbig dataaccuracy
发现论文，激发创造
  • 无配对训练数据语音命名实体识别端到端模型

    本文提出了一种基于外部模型训练的新型端到端神经模型，用于提取语音信号中的语义信息，并使用 SLU 神经模块替换 ASR 模型的顶层，实现端到端模型的构建。实验结果表明，此方法在 QUAERO 语料库上具有很高的性能。

    Apr, 2022

  • 探索迁移学习用于端到端语音理解

    本文提出了一种多任务联合训练的端到端语音理解模型 “Audio-Text All-Task (AT-AT) Model”，该模型能够同时训练语音转文字、语音理解和文本理解任务，不仅可以在多个数据集上实现最优性能，还可用于零 - shot 端到端语音理解任务。

    Dec, 2020

  • 多说话人语音识别的纯端到端系统

    本文提出了一种新的序列到序列的框架，即多说话者语音识别，通过端到端的方式将源分离和语音识别功能统一处理，同时提出了一种新的目标函数来提高隐藏向量间的对比度，实验结果显示该模型能够直接学习从语音混合到多个标签序列的映射，与之前的显式分离和识别模块的端对端工作相比，取得了 83.1% 的相对改进。

    May, 2018

  • VoiceExtender: 用引导扩散模型进行短发声无关语音验证

    VoiceExtender 是一种新的架构，利用两个引导扩散模型和 SE 指导，对基于短话语的语音特征进行增强，从而提高讲话者验证性能。实验证明，相对于基准方法，在 0.5、1.0、1.5 和 2.0 秒短话语条件下，我们的方法在等错误率上分别提高了 46.1%、35.7%、10.4% 和 5.7%。

    Oct, 2023

  • 基于端到端的语音转文本翻译的比较研究

    本文介绍了深度学习在语音到文本翻译领域的应用，主要研究了不同端到端架构以及辅助性连接主义时间分类（CTC）损失函数的使用，着重探讨了预训练模型对最终性能的影响，实验证明预训练模型可以使 BLEU 指标提高 4％，TER 指标提高 5％，并且在 270 小时 IWSLT TED 演讲 En->De 和 100 小时 LibriSpeech Audiobooks En->Fr 上的实验结果表明，该方法可以超过当前的端到端最先进系统。

    Nov, 2019

  • 朝向端到端口语理解

    本文研究了口语理解系统的端到端学习方法，能够直接从音频特征中推断语义意义，而不需要中间文本表示。研究表明，该模型能够获得合理好的结果，并能直接从音频特征中捕捉语义注意力。

    Feb, 2018

  • 2024 年语音相关说话人验证挑战：挑战评估计划

    文档概述了 2024 年的文本相关说话人验证（TdSV）挑战赛，以分析和探索文本相关说话人验证的新方法。该挑战的主要目标是激励参与者开发单一而具有竞争力的系统，进行彻底的分析，并探索创新的概念，如多任务学习、自监督学习、少样本学习等。

    Apr, 2024

  • 无参考关注评分技术用于说话人验证

    该研究是围绕无需参数的注意力评分机制对说话者验证进行研究，其中提出了一种注意力机制，并与传统余弦相似度基准进行对比，结果表明在多个任务的平均 EER 方面，新的评分机制可将 EER 提高 10%。

    Mar, 2022

  • 说话人验证的端到端一般化损失

    本文提出了一种名为广义端到端（GE2E）的新损失函数，它比我们以前的基于元组的端到端（TE2E）损失函数使说话人验证模型的训练更有效率。此外，该 GE2E 损失不需要初始阶段的示例选择，并且使用 MultiReader 技术可以进行域适应来支持多个关键词和多个方言。

    Oct, 2017

  • 基于深度神经网络的短语音验证 i-vector 映射

    本文提出了两种新的非线性映射方法，使用 DNN 模型将从短语音中提取的 i-vector 映射到相应的长语音 i-vector，实现了从短语音中还原丢失信息和减少 i-vector 的方差，可在说话人识别中实现 28.43％的最大相对改进。

    Oct, 2018