电影中的说话人验证

Oct, 2020

Playing a Part: Speaker Verification at the Movies

Andrew Brown, Jaesung Huh, Arsha Nagrani, Joon Son Chung, Andrew Zisserman

TL;DR该研究探究流行的说话人识别模型在电影片段中的性能，收集了一组新的具有挑战性的说话人识别数据集 VoxMovies，比当前数据集 VoxCeleb 更加具有挑战性，提出了领域自适应评估集，展示了简单的领域自适应模型能够提高性能，但仍有很大的改进空间。

Abstract

The goal of this work is to investigate the performance of popular speaker recognition models on speech segments from movies, where often actors intentionally disguise their voice to play a character. We make the

speaker recognition movies dataset domain adaptation performance

发现论文，激发创造

VoxCeleb2：深度语音说话人识别

本文介绍了一个大规模的音频 - 视觉说话人识别数据集，用于使用卷积神经网络模型和训练策略在各种条件下有效识别声音中的身份，并展示出比以前的成果更高的性能表现。

Jun, 2018

VoxCeleb：一个大规模的说话人识别数据集

本文介绍了一种基于计算机视觉技术的全自动管道，用于从开源媒体中创建一个大规模的必须文本无关语音识别数据集，并在其上应用和比较不同的演讲者识别技术以建立性能基线。

Jun, 2017

探讨 VoxCeleb：环境不变语音说话者识别

通过对话者识别中未使用的 ' 视频 ' 信息进行环境对抗学习框架，我们成功实现了能够在训练期间有效学习讲话者判别性和环境不变嵌入的网络，该方法在 VoxCeleb 数据集上得到验证，证明基准测试中的性能显著提高。

Oct, 2019

野外演讲者日志检测

本研究旨在使用自动化音频视觉分离方法对 YouTube 视频进行说话者分割。研究将自己设计的说话者模型运用于半自动数据集创建流程中，从而显著减少注释视频所需的时间。通过这种方式，研究人员成功地发布了一个名为 VoxConverse 的大规模分离数据集。

Jul, 2020

无监督域自适应的防欺骗说话人验证

研究如何提高自动说话人验证系统的欺骗稳健性，主要从基于概率线性判别分析的后端分类器入手，并运用三种无监督领域适应技术来优化它。旨在提高系统在逻辑和物理接近情境下的表现，对于后者，尤其是在被重放音频攻击时，针对真实的和伪造的情况，相对改进率分别达到 36.1% 和 5.3% 接近最高点。除此之外，还进行了一些额外的研究，如攻击分析、数据构成和与高斯后端的分数级别的对策系统的集成分析。

Mar, 2022

深度音视频语音增强对话

本文提出了一种深度视听语音增强网络方法，借助于对应视频中的嘴唇信息，能够在多人同时说话的情境下，从语音信号中分离出个人的发言，该方法适用于训练时未涉及到的说话者，并在不受限制的环境下，展现了出色的定量和定性效果。

Apr, 2018

区分虚构声音：引语归属的作者验证模型研究

通过对大量英语小说进行预训练的作者验证模型编码以角色的引用，本研究探索了角色的文体表征，并且结果表明这些模型中融合的文体和主题信息能够准确区分角色，但在归属引用方面并没有必要超过仅有语义的模型，然而这些结果在小说之间存在差异，因此在文学文本和角色研究领域需要进行更多针对性的文体测量模型的研究。

Jan, 2024

谁是真实的讲者

探索利用深度学习技术进行声音转换，识别原始说话者的可行性，通过使用分段转换的转换语音进行实验证明从转换声音中识别真实说话者的可行性，并使用具有来自源说话者的某些信息的 VLAD 进行构建的识别模型在转换语音上表现出很好的性能。

Apr, 2024

SVVAD：用于说话人验证的个人语音活动检测

我们提出了一种基于说话人验证的语音活动检测框架，实现了无标签训练方法并使用三元损失来适应 SV 中最具信息的声学特征。结果表明，相对于传统方案，该框架在混合说话人的条件下明显提高了等误差率，并揭示了人类判断中不同语音部分的重要性。

May, 2023

身份验证任务中音频 - 视觉融合架构的行为分析

我们训练了一个身份验证架构，并评估了该模型合并音频和视觉表示的部分的修改，包括在要比较的两个示例中的任何一个输入缺失的情况下。我们在 Voxceleb1-E 测试集上报告的结果表明，在全模态设置和一个单模态缺失时，对输出嵌入进行平均可以改善错误率，并更充分地利用嵌入空间，这比使用共享层的系统更具优势，并讨论了可能的原因。

Nov, 2023