声纹识别：自监督学习语音识别利于声纹识别Why does Self-Supervised Learning for Speech Recognition Benefit Speaker Recogni

声明：平时看些文章做些笔记分享出来，文章中难免存在错误的地方，还望大家海涵。搜集一些资料，方便查阅学习：http://yqli.tech/page/speech.html。语音合成领域论文列表请访问http://yqli.tech/page/tts_paper.html，语音识别领域论文统计请访问http://yqli.tech/page/asr_paper.html。开源语音数据查询 http://yqli.tech/page/data.html。如何查找语音资料请参考文章https://mp.weixin.qq.com/s/eJcpsfs3OuhrccJ7_BvKOg）。如有转载，请注明出处。欢迎关注微信公众号：低调奋进。

Why does Self-Supervised Learning for Speech Recognition Benefit Speaker Recognition?

本文为哈尔滨工业大学和微软在2022.04.27更新的文章，主要研究无监督训练的模型对声纹识别的影响因素，具体的文章链接

https://arxiv.org/pdf/2204.12765.pdf

(本文章主要实验论证，我尽可能的写的短，让读者2分钟知道该论文做了什么，效果怎样即可）

自监督训练的模型不仅仅使语音识别系统的准确率提升，该模型同样可以使声纹识别受益。使用自监督模型进行声纹识别的架构如图1所示。为了探究自监督学习的模型如何影响声纹识别，该文章主要围绕以下三个问题进行试验总结

1，有监督的 ASR 模型是否也可以使声纹识别SV 任务受益吗？

2. 自监督学习SSL 对 SV 任务有什么好处？

3. SV 任务的最佳 SSL 设置是什么？

1，有监督的 ASR 模型是否也可以使声纹识别SV 任务受益吗？

答：本部分实验对比直接预训练模型HuBERT和使用CTC训练有监督的ASR模型提取的特征与FBank特征作为声纹识别输入的结果可知（table 1)，有监督训练的ASR模型不能使声纹识别任务受益。

2. 自监督学习SSL 对 SV 任务有什么好处？

答：由table 1和 table 2实验可知，自监督模型HuBert和wav2vec2.0都好于Fbank，因此自监督学习利于声纹识别。

3. SV 任务的最佳 SSL 设置是什么？

答：剩余实验都是寻找自监督学习模型影响声纹识别的因素

a) table 2主要对比训练自监督学习模型的目标函数对结果的影响，其结果显示Bubert的pseudo label prediction loss 比 contrastive loss 和 MSE loss好。

b) 自监督模型HuBERT使用不同方法生成pseudo label对结果的影响，不同的聚类算法对最终声纹结果不同。

c） table 4对比数据规模大小和自监督学习模型大小对声纹任务的影响。数据多和参数多效果也会变好。

d ) 图2展示了自监督模型每层输出对声纹识别的影响。其中（a)显示不做微调的自监督模型浅层对声纹识别较大。语音识别模型浅层关注speaker信息，深层关注语义内容信息。自监督的模型相比监督学习的模型，较深层也关注speaker信息，因此自监督模型利于声纹识别任务；（b)更新声纹模型的同时更新自监督模型，可以使深层关注speaker信息。图3展示无监督模型对声纹识别任务的loss可视化。

声纹识别：自监督学习语音识别利于声纹识别Why does Self-Supervised Learning for Speech Recognition Benefit Speaker Recogni相关推荐

关于弱监督学习的详细介绍——A Brief Introduction to Weakly Supervised Learning
目录介绍主动学习半监督学习多实例学习带噪学习 Snorkel 框架介绍参考介绍在机器学习领域,学习任务可大致划分为两类,一种是监督学习,另一种是非监督学习.通常,两者都需要从包含大量训 ...
语音识别（ASR)论文优选：SynthASR: Unlocking Synthetic Data for Speech Recognition
声明:平时看些文章做些笔记分享出来,文章中难免存在错误的地方,还望大家海涵.平时搜集一些资料,方便查阅学习:http://yqli.tech/page/speech.html.如转载,请标明出处.欢迎 ...
A brief introduction to weakly supervised learning（简要介绍弱监督学习）
文章转载自http://www.cnblogs.com/ariel-dreamland/p/8566348.html A brief introduction to weakly supervised ...
用于语音识别的多任务自我监督学习(Multi-task self-supervised learning for robust speech recognition )
文章目录简介论文信息题目内容摘要论文背景应用背景技术现状论文主要工作论文工作介绍文章框架核心工作 1.PASE+整体框架. 蓝色部分是在 PASE 的基础上改进的部分. 2.如何 ...
手把手的操作——用java调用科大讯飞的离线语音识别dll实现离线识别（JNA实现）（二）
上一篇的地址手把手的操作--用java调用科大讯飞的离线语音识别dll实现离线识别(JNA实现)(一) 上一篇讲到了最难的地方,参数的转换,这里单独写出来 ** 三.参数的转换(难点) ** 注:本文 ...
语音云识别工具_语音识别工具_web语音识别应用程序的工具 - 云+社区 - 腾讯云...
广告关闭 2017年12月,云+社区对外发布,从最开始的技术博客到现在拥有多个社区产品.未来,我们一起乘风破浪,创造无限可能. 语音识别服务具备识别准确率高.接入便捷.性能稳定等特点. 腾讯云语音识别 ...
ASR识别（自动语音识别）
简介 asr的实现可分为pipeline或者end2end思路,其中主要区别在于声学模型的识别单元上: 词模型字发音模型半音节模型音素模型模型识别单元大小(词发音模型.字发音模型. 半音节模型 ...
一种基于语音识别的机器人语义识别系统的制作方法
本发明涉及机器人语义识别,尤其涉及一种基于语音识别的机器人语义识别系统. 背景技术: 目前,很多家庭都拥有机器人,但是很多时候机器人并不能准确识别用户对其发出的指示,使用户操作机器人不方便,这样的机器 ...
matlab 语音识别为文字,语音识别（Speech Recognition）是让机器通过识别和理解过程把语音信号转变为相应的文本...
语音识别(Speech Recognition)是让机器通过识别和理解过程把语音信号转变为相应的文本 2016-08-22 0 0 0 暂无评分其他 1 积分下载如何获取积分? 语音识别(Spee ...

声纹识别：自监督学习语音识别利于声纹识别Why does Self-Supervised Learning for Speech Recognition Benefit Speaker Recogni

声纹识别：自监督学习语音识别利于声纹识别Why does Self-Supervised Learning for Speech Recognition Benefit Speaker Recogni相关推荐

最新文章

热门文章