본문 바로가기

연구실 공부

[논문] Voxceleb: Large-scale Speaker Verification in Wild https://www.sciencedirect.com/science/article/pii/S0885230819302712 Voxceleb: Large-scale speaker verification in the wild The objective of this work is speaker recognition under noisy and unconstrained conditions. We make two key contributions. First, we introduce a very … www.sciencedirect.com 해당 논문을 보고 작성했습니다. Abstract 해당 논문은 noisy하고 unconstrained condition에서 speaker recognition을 수행하는 것을 목표로 .. 연구실 공부 2024. 2. 5.
[논문] Generalized End-to-End Loss for Speaker Verification https://arxiv.org/abs/1710.10467 Generalized End-to-End Loss for Speaker Verification In this paper, we propose a new loss function called generalized end-to-end (GE2E) loss, which makes the training of speaker verification models more efficient than our previous tuple-based end-to-end (TE2E) loss function. Unlike TE2E, the GE2E loss functi arxiv.org 해당 논문을 보고 작성했습니다. Abstract 저자들은 generalized e.. 연구실 공부 2024. 2. 5.
[논문] End-to-End Text-Dependent Speaker Verification https://arxiv.org/abs/1509.08062 End-to-End Text-Dependent Speaker Verification In this paper we present a data-driven, integrated approach to speaker verification, which maps a test utterance and a few reference utterances directly to a single score for verification and jointly optimizes the system's components using the same evaluat arxiv.org 해당 논문을 보고 작성했습니다. Abstract 이 논문은 test utterance와 적은.. 연구실 공부 2024. 2. 4.
[논문] X-Vectors: Robust DNN Embeddings For Speaker Recognition https://ieeexplore.ieee.org/document/8461375 X-Vectors: Robust DNN Embeddings for Speaker Recognition In this paper, we use data augmentation to improve performance of deep neural network (DNN) embeddings for speaker recognition. The DNN, which is trained to discriminate between speakers, maps variable-length utterances to fixed-dimensional embeddings that ieeexplore.ieee.org 해당 논문을 보고 작성했습니다. A.. 연구실 공부 2024. 2. 2.
[논문] Deep Neural Network Embeddings for Text-Independent Speaker Verification https://www.isca-archive.org/interspeech_2017/snyder17_interspeech.pdf 해당 논문을 보고 작성했습니다. Abstract 저자들은 text-independent speaker verification에서 사용할 수 있는 feed forward deep neural network에서 추출된 embedding을 i-vector의 대체자로 제안합니다. long-term speaker characteristic은 network에 존재하는 시간 pooling layer에 의해 capture된다고 합니다. 해당 pooling layer는 input speech을 aggregate합니다. 이를 통해 network가 가변길이의 speech 부분에서도 speaker를 .. 연구실 공부 2024. 2. 1.
[논문] Deep Neural Networks for Small Footprint Text-dependent Speaker Verification https://ieeexplore.ieee.org/stamp/stamp.jsp?arnumber=6854363 Deep neural networks for small footprint text-dependent speaker verification In this paper we investigate the use of deep neural networks (DNNs) for a small footprint text-dependent speaker verification task. At development stage, a DNN is trained to classify speakers at the framelevel. During speaker enrollment, the trained DNN is iee.. 연구실 공부 2024. 1. 31.
GMM supervector, Eigenvoice vector, JFA, I-vector 먼저 speaker recognition(화자 인식)은 음성이 주어졌을 때, 해당 음성의 발화한 사람이 누구인지를 찾는 것입니다. 사람마다 고유한 음성 특징이 있습니다. 그래서 해당 음성 특징을 이용해 발화한 사람을 찾을 수 있습니다. 화자 인식은 크게 2가지로 분류됩니다. speaker identification과 speaker verification입니다. speaker identification의 경우, 음성이 input으로 들어왔을 때, 해당 음성의 발화자를 찾는 것입니다. multi class classification인 느낌입니다. speaker verification의 경우, 음성이 input으로 들어왔을 때, 해당 음성이 등록된 발화자의 음성인지 분류하는 것입니다. binary classi.. 연구실 공부 2024. 1. 31.
[논문] Front-End Factor Analysis for Speaker Verification https://ieeexplore.ieee.org/document/5545402 Front-End Factor Analysis for Speaker Verification This paper presents an extension of our previous work which proposes a new speaker representation for speaker verification. In this modeling, a new low-dimensional speaker- and channel-dependent space is defined using a simple factor analysis. This space i ieeexplore.ieee.org 해당 논문을 보고 작성했습니다. Abstrac.. 연구실 공부 2024. 1. 30.
728x90

티스토리툴바