该论文提出了三种利用x-vectors提升语音鉴伪系统性能的方法，包括声学特征阶段辅助、嵌入阶段辅助和带有注意力机制的嵌入阶段辅助。实验结果显示，这些方法能显著降低错误率，特别是在SeNet34上使用E-XA-Att方案时，EER降低至0.98%。说话人信息x-vectors在区分真假音频中起到关键作用。
分享一篇IEEE SLT 2022收录的声纹识别方向的论文，《HOW TO BOOST ANTI-SPOOFING WITH X-VECTORS》由AuroraLab（极光实验室）发表。
来源丨AuroraLab
AuroraLab源自清华大学电子工程系与新疆大学信息科学与工程学院，以说话人识别和标记、音频事件检测、知识图谱构建与应用为研究重点，围绕感知智能与认知智能的理论、技术与系统等开展研究。
论文题目：HOW TO BOOST ANTI-SPOOFING WITH X-VECTORS
作者列表：马欣悦，张姗姗，黄申，高骥，胡颖，何亮
论文原文：https://ieeexplore.ieee.org/document/10022504
论文下载：文末点击“阅读原文”下载论文
最低0.47元/天 解锁文章
扫一扫
3113
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
