Sep, 2022

2022 远场说话人验证挑战赛的 SpeakIn 说话人验证系统

PDF
TL;DR本文介绍了 SpeakIn 团队提交的 Far-Field Speaker Verification Challenge 2022（FFSVC2022）任务一和任务二的讲话者验证（SV）系统。我们采用基于 ResNet 和 RepVGG 的架构，采用全局统计汇集结构和 MQMHA 池化结构进行特征汇集，创新性地提出了分阶段迁移学习方法来提高模型性能，解决了领域不匹配问题，并在两个挑战任务中表现出优异的性能。
speaker verificationfar-fieldchallengeresnet-basedtransfer learning
发现论文，激发创造
  • CNSRC2022 的 SpeakIn 系统描述

    在 CN-Celeb 讲者识别挑战赛中，我们使用 ResNet、RepVGG 和 TDNN 架构，采用全局统计汇聚结构和 MQMHA 汇聚结构对声学数据进行处理，并使用 AM-Softmax 算法对其进行分类，最终取得了 SV 任务无榜首、有榜首以及 SR 任务的三个不同奖项。

    Sep, 2022

  • 2022 VoxCeleb 说话人识别挑战赛的 Royalflush 系统

    本文介绍了在 VoxCeleb2022 挑战中的 Royalflush 提交结果。我们提出了针对监督和半监督说话人验证的强大 U-Net 架构的说话人嵌入提取器，最终得到了 10 个模型的融合结果，取得了较好的 VoxSRC-22 挑战的性能。

    Sep, 2022

  • 大规模自监督语音表征学习用于自动化说话者验证

    使用预训练模型学习到的语音表示作为输入特征，采用可学习权重的平均表示方法，在 Voxceleb 数据集上进行了自我监督训练，实现了自动说话人验证，在三个官方测试中分别取得了 0.537％、0.569％和 1.180％的等误差率（EER），超越了 VoxCeleb Speaker Recognition Challenge 2021 (VoxSRC2021) 中的优胜系统。

    Oct, 2021

  • 2023 VoxCeleb 演讲者识别挑战中的 UNISOUND 系统

    UNISOUND 在 VoxCeleb 2023 声纹识别挑战中提出了一种基于 ResNet 和 RepVGG 架构的一致性感知分数校准方法，通过 Consistency Measure Factor（CMF）利用音频声纹的相似性分数稳定性，该方法大大提升了性能，在挑战中获得了第一名（Track 1）和第二名（Track 2）。

    Aug, 2023

  • VoxCeleb 2022 发言人识别挑战中的 ReturnZero 系统

    本文介绍了团队 RTZR VoxCeleb 在闭合数据集、发言人验证 Track1 方面的顶尖成果，采用了 7 个模型，包含 3 种不同类型的模型结构，并注重训练模型来学习额外时域的信息。通过正确的评估过程，使用自适应对称规范化（AS-Norm）和矩阵分数平均（MSA）的评分方法以及逻辑回归的模型混合，最终提交获得了 0.165 的 DCF 和 2.912％的 EER。

    Sep, 2022

  • 面向单一集成的防欺骗说话人验证嵌入

    本研究旨在开发一种单一的整合了反欺骗技术的演讲者验证嵌入式系统，此系统具备拒绝非目标演讲者及目标演讲者欺诈性输入的能力，而且与融合自动演讲者验证（ASV）及反欺骗对策（CM）嵌入式系统相比，能够具备竞争性的表现。该研究提出的新框架包括多阶段训练与损失函数的组合，并利用多种声码器与合成技术，来回应训练数据不足及短缺欺骗性数据的问题。实验结果表明出色的改善，进而实现了对 SASV2022 挑战赛评估协议的 SASV-EER 低至 1.06% 的性能。

    May, 2023

  • 中国电信参赛介绍 - VoxCeleb2023 说话人识别挑战

    中国电信在 VoxCeleb2023 发言人识别挑战的第一轨（闭集）中使用了多个 VoxCeleb2 训练的 ResNet 变体，通过融合优化模型性能，并为每个变体和融合系统进行得分校准，最终的提交结果为 minDCF 为 0.1066 和 EER 为 1.980%。

    Aug, 2023

  • 远场发言人验证的语音感知说话人嵌入

    提出了一种联合训练语音识别和说话人识别 (JTSS) 框架，以利用语音中的音素内容来进行远场说话人验证，结果表明在远场环境下利用音素信息是学习强健说话人表示的有效方法。

    Nov, 2023

  • 深度说话人嵌入的注意统计池化

    本文提出了一种基于关注机制统计池化的深度说话人嵌入，在 NIST SRE 2012 和 VoxCeleb 数据集上的评估结果显示，它在说话人验证任务中比传统方法减少了 7.5% 和 8.1% 的等错误率，其适配长期说话特征变化的能力更强。

    Mar, 2018

  • SVSNet +：使用语音基础模型的表示增强说话人声音相似性评估模型

    本研究提出了 SVSNet + 模型，该模型整合了预训练的 SFMs 模型来改善对说话者声音相似性的评估性能，实验证明使用 WavLM 表征的 SVSNet + 相比基线模型有显著改进，将 WavLM 替换为其他 SFMs 时，SVSNet + 仍优于基线模型且表现出强大的泛化能力。

    Jun, 2024