基于领域自适应的短语音辨别
摘要：简化培训和验证长度时，我们探索了域内和域外概率线性判别分析（PLDA）说话人验证的行为。实验研究发现，当使用完整的语音进行评估时，域内PLDA方法在EER和DCF值上比域外PLDA方法改进了28%以上。而当使用短语音进行评估时，域内说话人验证的性能改进以增加速度减少。我们采用了新的修改后的差异数据集变异性（IDV）补偿方法来弥补域内和域外数据之间的不匹配，并且经过IDV补偿的域外PLDA分别比域外PLDA说话人验证改善了26%和14%，当分别使用SWB和NIST数据进行S标准化时。当评估语音长度减少时，由于语音变化，短语音评估数据的i向量变化更大，因此IDV带来的性能改进也会减少，这是域内和域外数据集之间的不匹配造成的。
作者：Ahilan Kanagasundaram, David Dean, Sridha Sridharan and Clinton Fookes
论文ID：1610.02831
分类：Sound
分类简称：cs.SD
提交时间：2016-10-12