speaker embeddings | BriefGPT

关键词speaker embeddings

搜索结果 - 17

不嵌入说话者：长形式神经辨说的无嵌入方法
在本文中，我们提出了一种新的框架，将神经联合抄录模型（EEND）应用于长篇音频，既不需要单独的说话者嵌入，又能够在本地和全局上实现显著的相对 DER 降低以及处理时间的计算复杂性探索。
PDF6 days ago
评估深度说话人分析的谱聚类鲁棒性
对于说话人区分，聚类说话人嵌入是至关重要的，但它尚未得到与其他组件一样多的关注。此外，当开发和评估数据来自不同领域时，对于说话人区分在各种数据集上的鲁棒性尚未得到探究。为了弥补这一差距，本研究深入研究了用于同领域和跨领域说话人区分的谱聚类方
PDF3 months ago
基于语音韵律从音素和音素时长中提取说话人嵌入的多说话人语音合成
该论文提出了一种基于语音节奏的说话者嵌入方法，用于使用目标说话者的少量话语对音素持续时间进行建模。
PDF5 months ago
对抗数据增强用于鲁棒的说话人验证
本文提出了一种名为对抗数据增强（A-DA）的新方法，将数据增强与对抗学习相结合，通过额外的分类器对不同类型的增强进行分类，使得网络能够生成能够欺骗分类器的说话者嵌入，从而提升模型对于增强变化的鲁棒性和泛化能力。在 VoxCeleb 和 CN
PDF5 months ago
揭示讲话者嵌入中的情感聚类：对话音频情感识别的对比学习策略
研究表明说话者嵌入包含有关情感的有价值信息，因此在情感识别中，利用有限的标记数据，说话者嵌入有潜力成为一种有前途的资源。通过进行彻底的聚类分析，研究人员发现了情感与最先进的说话者嵌入之间的直接且有用的联系。为了利用这些信息，他们引入了一种新
PDF5 months ago
自适应的自监督语音表示模型条件下的抗噪零样本语音合成
基于自监督学习的说话人嵌入提取的零样本文本到语音方法可以非常准确地再现说话人的特征。然而，当参考语音包含噪声时，这种方法的语音合成质量会降低。本文中，我们提出了一种噪声鲁棒的零样本文本到语音方法。我们将适配器融入自监督学习模型中，并使用带噪
PDF6 months ago
DASA：面向说话人验证的难度感知语义增强
通过围绕发音人嵌入空间中的语义方向对训练样本进行扰动，使用鲁棒性发音人嵌入来估计准确的协方差矩阵，并推导出了预期损失的闭式上界，该研究提出了一种新颖的难度感知的语义扩增方法，能够在几乎没有额外计算成本的情况下产生多样化的训练样本，取得了令人
PDF8 months ago
使用说话人嵌入作为声音压力检测的个性代理
本研究提出了一种声音压力检测的方法，通过将说话人嵌入到混合 BYOL-S 特征中，解决了个体差异性的问题，对于不同类型的压力和语言，表现出了很好的性能。
PDFa year ago
深度说话人嵌入架构中的残差信息
本文介绍了针对六个最新高性能的 DNN 体系结构提取出的演讲者嵌入的分析，重点关注它们能够从语音信号中真正区分讲话者身份的程度。结果表明，这些嵌入的区分能力非常高，但在所有已分析的体系结构中，残余信息仍呈现为与录音条件、语言内容和话语持续时
PDFa year ago
使用生成对抗网络实现语音匿名化，以保护说话人隐私
本研究利用生成对抗网络与 Wasserstein 距离的 Speaker embeddings 生成方法，将其整合到语音转文字转语音的流程中，成功实现保护隐私的同时保持较高的效能表现。
PDF2 years ago
基于说话人条件的 WaveRNN: 通向未知说话人和录音条件的通用神经编码器
本研究提出了一种基于演讲者条件 WaveRNN（SC-WaveRNN）的语音合成方法，通过使用说话人嵌入信息，能够实现更好的泛化和更高的合成质量，并在多说话人 TTS 合成中实现了类似于零样本适应的性能提升。
PDF4 years ago
说话人分离的概率嵌入
利用从短时间内的语音中提取的说话人 embedding（x-vectors）在说话人辨识任务中进行了竞争性表现，本文在该方案中提取了对角精度矩阵，用于衡量声音质量，并构建了概率说话人 embedding，将其作为输入应用于 AHC 算法用于
PDF4 years ago
基于分层 Transformer 网络的话语级情感识别
通过提出一种基于分层 Transformer 框架的情感识别方法，该方法结合了预训练语言模型和说话人嵌入，能在不同背景环境和不同说话人的情况下有效地捕捉言语的情感信息，实验结果表明该方法在三个对话数据集上分别取得了 1.98％、2.83％和
PDF4 years ago
使用最先进的神经说话人嵌入进行零样本多说话人文本转语音
研究了使用多说话人建模中的神经发音人嵌入对零样本适应的影响，发现使用可学习字典编码的说话人嵌入，能够在说话人验证任务中提高等误差率，在未知说话人使用时提高零样本适应性，并提高端到端语音合成的说话人相似性和自然度。
PDF5 years ago
MM基于三元组嵌入距离和相似度学习的音频无关语音说话人验证
本文介绍了两种在培训阶段优化说话人嵌入的方法：使用三元组损失来优化嵌入之间的欧几里德距离并减少多类交叉熵损失，以及设计一种嵌入相似度测量网络来控制选定嵌入之间的相似度。将两个新方法与原始网络联合培训，实现了最先进的结果，对 2016 年 N
PDF5 years ago
边际问题：面向说话人识别更具区分性的深度神经网络嵌入
本研究介绍了三种基于边界的深度说话人嵌入学习损失函数，以实现更优的说话人辨识性能。在 VoxCeleb1 和 SITW 两个公共数据集上的实验证明了该方法比传统的交叉熵损失函数 softmax 具有更优的性能，分别在两个数据集上实现了 25
PDF5 years ago
NIPSDeep Voice 2: 多说话人神经文本转语音
介绍了一种使用低维度可训练说话人嵌入的神经文本转语音技术，可以从单个模型生成不同的声音，并构建了具有高性能的构建组件：Deep Voice2 和后处理神经语音合成器的 Tacotron，通过两个多说话人 TTS 数据集演示了多说话人语音合成
PDF7 years ago