11、基于WBIG监督度量学习的说话人验证及SNR自适应目标学习的语音增强方法

基于WBIG监督度量学习的说话人验证及SNR自适应目标学习的语音增强方法

1. WBIG监督度量学习实验

在说话人验证领域，提出了基于类内和类间点插值生成（WBIG）的监督度量学习方法。下面介绍相关实验情况。

1.1 实验设置

• 数据集 ：
  • CNCeleb ：包含来自3000位中国名人的超过130k条语音，涵盖电影、访谈等11种不同类型。采用2768位说话人进行训练，200位说话人进行测试。
  • Voxceleb ：使用VoxCeleb2 - dev作为训练集，包含来自5994位说话人的1092009条语音；采用官方的VoxCeleb - O作为评估集。
• 输入特征 ：使用Kaldi工具包进行特征提取。将25ms窗口、帧移为10ms的语音转换为41维滤波器组（FBank）声学特征，利用基于能量的语音活动检测（VAD）去除静音段，训练特征随机截断为2 - 4s的短片段。
• 基线配置 ：默认基线特征提取器为ResNet - 18，特征图大小为[256, 400, 1, 128] ([B, T, F, C])。采用注意力双线性池化（ABP）获取256维的说话人嵌入。批量大小为256，每个小批量包含128位说话人用于基于对的度量学习。网络使用随机梯度下降（SGD）进行优化，动量为0.9，权重衰减为5e - 4。默认将公式（1）中的m设为4，公式（5）中正点权重系数λ的范围