speaker recognition | BriefGPT

关键词speaker recognition

搜索结果 - 49

证明说话人识别模型对加性扰动的认证
本文介绍了将鲁棒性认证技术应用于发音者识别领域，并通过对 VoxCeleb 1 和 2 数据集进行实证研究，证明了该方法的有效性，旨在提高声学生物特征识别的鲁棒性，建立新的认证基准，并加速音频领域认证方法的研究和应用。
PDF2 months ago
利用人工神经网络识别持续孟加拉语言中的说话者划分
通过应用连续的孟加拉语音，我们提出了一种方法来确定某个地区说话者的地理身份，使用了 Mel 频率倒谱系数（MFCC）和 Delta 特征在人工神经网络上对说话者进行分类，并在特征提取之前对原始音频进行了一些预处理任务。我们的数据集包括 63
PDF3 months ago
神经发音者嵌入中的余弦评分与不确定性
该论文提出了一种在说话者嵌入前端估计和余弦相似度评分后端传播不确定性的方法，实验证实了该方法在处理由嵌入估计引起的不确定性方面的有效性，与传统的余弦相似度相比，EER 和 minDCF 平均减少了 8.5% 和 9.8%，在实践中计算效率也
PDF4 months ago
Voxceleb-ESP：从声音中检测西班牙名人的初步实验
VoxCeleb-ESP 是一个新的说话人识别数据集，包含 160 位西班牙名人，涵盖了各个年龄组和地理区域，提供了两个说话人辨识任务的试验列表，并伴有基于跨语言评估的 ResNet 预训练模型，初步结果表明 VoxCeleb-ESP 在说
PDF6 months ago
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。
PDF7 months ago
深度神经网络自动说话者识别中并未学习超音段时间特征
深度神经网络在说话者识别和相关任务中显示出令人印象深刻的结果，然而对于这些结果到底是由什么因素造成的，我们对此仍知之甚少。本文提出并应用了一种新的测试方法，以量化最先进的神经网络在说话者识别中对超分段时间信息建模程度的解释，并且提出了几种强
PDF8 months ago
自我监督解开说话人确认中的声音和内容
该研究提出了一种能同时模拟语音中的说话人特征和内容可变性的解缠结构框架，并通过使用三个高斯推理层实现，其中每个层由可学习的转换模型组成，能够提取出独特的语音组成成分。通过在 VoxCeleb 和 SITW 数据集上进行实验证实了该框架的有效
PDF9 months ago
SLMIA-SR: 论说者级别成员推断攻击对说话人识别系统
提出了 SLMIA-SR，该方法是第一个针对 SR 定制的成员推断攻击，使用声纹识别和训练目标特征工程，通过训练模型和攻击模型的相关性来验证声纹在训练集中的成员关系，实验证明了攻击的效果。
PDF10 months ago
有序和二进制说话人嵌入
本研究提出了一种有序二进制嵌入方法，通过嵌入向量中的维度排序并通过 Bernoulli 抽样将排序向量转换为二进制代码，从而实现说话者识别等任务中层次聚类，减少存储空间和加快检索速度。在 VoxCeleb 和 CN-Celeb 数据集上的实
PDFa year ago
预训练语音和音频嵌入的情感识别比较研究
这项工作对来自八个语音预训练模型（wav2vec 2.0，data2vec，wavLM，UniSpeech-SAT，wav2clip，YAMNet，x-vector，ECAPA）的嵌入进行了比较分析。对四个语音情感数据集进行了广泛的实证分析
PDFa year ago
可解释的频谱转换攻击对说话人识别的影响
通过将输入语音进行 MDCT 处理，并轻微修改不同频带的能量，该文提出了一个名为 STA-MDCT 的通用框架，该框架不仅能够在黑盒受害者模型中提高对抗声音的可转移性，而且能够实现梯度攻击，并使用模型集成来进一步提高攻击效果并通过类激活映射
PDFa year ago
文本独立取证发言人识别的多源领域自适应
本研究提出了基于领域对抗训练、差异最小化和矩匹配方法的三种新的自适应方法，以在多个声学领域中进一步提高自适应性能。实验表明，多种声学环境确实会影响讲话者识别性能，并且领域对抗训练、差异最小化和矩匹配自适应都能在多个声学领域中同时实现有效性能
PDF2 years ago
通过语音水平和音素水平屏蔽方法改善语音表示学习
本研究提出两种掩蔽方法（语音水平掩蔽和音素水平掩蔽），并通过这两种方法的预训练，在音素分类和说话人识别两个下游任务上评估。实验表明，所提出的掩蔽方法有助于提高语音表示的性能。
PDF2 years ago
NIST 2020 SRE CTS 挑战中的 THUEE 系统介绍
本文介绍了 THUEE 团队在 NIST 2020 演讲者识别评估（SRE）会话电话语音（CTS）挑战中所采用的系统描述。在该评估中，我们采用了包括 ResNet74、ResNet152 和 RepVGG-B2 在内的子系统作为说话人嵌入提
PDF2 years ago
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-No
PDF2 years ago
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
PDF2 years ago
故事中角色对话理解和生成的基准测试
这篇论文提出了两个任务，包括对话生成和对话说话者识别，并构建了一个新的数据集 DialStory 以进行评估，同时提出了学习显式角色表示以提高性能，并通过实验和案例研究表明，我们的方法可生成更连贯和信息量更大的对话，并实现了比强基线更高的说
PDF2 years ago
自监督学习对语音识别的受益及演讲者识别
本研究通过 Voxceleb-1 数据集进行了一系列实验来探究自监督学习在演讲者相关任务中表现良好的因素，结果表明模型的收益来源于语音预测损失、数据规模和模型大小的组合，同时自监督量化器的影响较小。我们进一步采用了集成梯度属性方法和损失函数
PDF2 years ago
推动原始波形扬声器识别的极限
本文提出了一种基于原始波形的演讲者识别模型，它结合了机器学习和说话人认证的最新进展，其中包括 Res2Net 骨干模块和多层特征聚合。该模型具有很高的性能表现，可以应用于半监督学习场景中，即在只有少量标记训练数据和大量未标记训练数据的情况下
PDF2 years ago
关于针对现代化发言人识别系统的预处理防御对抗攻击的研究
本文主要研究针对语音识别系统的对抗攻击以及相应的防御措施，通过对四种已有的攻击方法和四种新的预处理方法进行实验，得到了组合使用 Randomized Smoothing 和 Parallel WaveGAN Vocoder 方法的准确率最高
PDF3 years ago