资料下载
×
基于帧级特征的端到端说话人识别方法
消耗积分:0 |
格式:pdf |
大小:1.75 MB |
2021-05-08
分享资料个
现有的说话人识别方法仍存在许多不足。基于话语级特征输入的端到端方法由于语音长短不一致需要将输入处理为同等大小，而特征训练加后验分类的两阶段方法使得识别系统过于复杂，这些因素都会影响模型的性能。文中提出了基于帧级特征的端到端说话人识别方法。模型采用帧级语音作为输入，冋等大小的帧级特征有效解决了话语级语音输入长度不一致的问题，且帧级特征可保留更多的话者信息。与如今主流的两阶段法识别系统相比，端到端的识别方法将特征训练和分类打分体化，简化了模型的复杂性。在训练阶段，毎段语音被分帧成多个帧级语音输入到卷积神经网络（Conⅴ olutionⅠ Neural networks，CNN）用于训练模型。在评估阶段，训练妤的CNN模型对帧级语音进行分类，毎段语音基于多个帧的预测得分计算该条语音数据的预测类别。毎段语音的类别通过取各帧最多预测类别和各帧预测值平均的方法来计算。为了验证方法的有效性，使用普通话情感语音语料库（MASC）的语音数据进行训练和测试。实验结果表明，与现有方法相比，基于帧级特征的端到端识别方法的性能表现更佳。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
