计算机应用

作者：王超, 姚姗姗

单位：山西大学 大数据科学与产业研究院，太原 030006

关键词：说话人确认,难样本,语音质量,自适应,三元组思想

基金：国家自然科学基金资助项目(61906115);山西省基础研究计划项目(202303021221075)

针对目前的说话人确认（SV）方法在复杂的测试场景或语音质量退化较大时性能下降严重的问题，提出一种基于语音质量自适应和类三元组思想的SV方法（QATM）。首先，利用说话人语音的特征范数关联语音质量；其次，通过判断语音质量好坏选取不同的损失函数，以调整不同质量语音样本的重要性，从而关注语音质量高的难样本，忽略语音质量低的难样本；最后，利用类三元组的思想同时改进AM-Softmax（Additive Margin Softmax）损失和AAM-Softmax（Additive Angular Margin Softmax）损失，旨在更关注困难的说话人样本，从而应对语音质量过差的难样本对模型的损害。实验结果表明，当训练集为VoxCeleb2开发集时，在Half-ResNet34、ResNet34和ECAPA-TDNN （Emphasized Channel Attention， Propagation and Aggregation in Time Delay Neural Network）网络架构中，所提方法与基于AAM-Softmax损失的方法相比，在VoxCeleb1-O测试集上的等错误率（EER）分别降低了6.41%、3.89%和7.27%；当训练集为Cn-Celeb.Train时，在Half-ResNet34网络架构中，所提方法与基于AAM-Softmax损失的方法相比，在评估集Cn-Celeb.Eval上的EER降低了5.25%。可见，所提方法在普通和复杂场景下的准确度均有所提高。

来源：2024年第12期

《计算机应用》期刊编辑部

查看计算机应用杂志2024年第12期