论文笔记

本文介绍了一种基于深度神经网络的小样本说话人验证方法。该方法通过离线多说话人训练构建说话人区分网络,并使用目标层为one-hot说话人矢量的方式进行训练。对于待验证的说话人语音,采用该网络计算其d-vector,再通过余弦距离计算完成说话人验证。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

论文摘要

P1:【说话人识别】 DEEP NEURAL NETWORKS FOR SMALL FOOTPRINT TEXT-DEPENDENTSPEAKER VERIFICATION

  1. 离线多说话人训练说话人区分网络 net,目标层为one-hot说话人矢量
  2. 利用net对enrollment的说话人语音进行计算,在多特征多语句上的最后隐层的平均作为说话人矢量d-vector
  3. d-vector进行cosine distance 计算
  4. d-vector 与 ivector 进行继承
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值