Repositorio
Institucional

Garreton, Claudio

Yoma, Nestor Becerra

Huenupan, Fernando

Molina, Carlos

On comparing and combining intra-speaker variability compensation and unsupervised model adaptation in speaker verification

ISCA-INT SPEECH COMMUNICATION ASSOC

INTERSPEECH 2007: 8TH ANNUAL CONFERENCE OF THE INTERNATIONAL SPEECH COMMUNICATION ASSOCIATION, VOLS 1-4

en

En este artículo se prueban un método de compensación de variabilidad intralocutor no supervisado, ISVC, y la adaptación de modelos no supervisada para abordar el problema de la limitación de datos de registro en la verificación de locutores dependiente del texto. A diferencia de los métodos de adaptación de modelos, ISVC no tiene memoria con respecto a los intentos de verificación previos. Como se muestra aquí, la adaptación de modelos no supervisada puede generar mejoras sustanciales en la EER, pero depende en gran medida de la secuencia de eventos de verificación cliente/impostor. En escenarios adversos, la adaptación de modelos no supervisada incluso podría reducir la precisión de la verificación en comparación con el sistema de referencia. En esos casos, ISVC puede superar a los esquemas de adaptación. Cabe destacar que ISVC y la adaptación de modelos no supervisada son compatibles y la combinación de ambos métodos siempre mejora el rendimiento de la adaptación de modelos. La combinación de ambos esquemas puede generar mejoras en la EER de hasta un 34 %.#In this paper an unsupervised intra-speaker variability compensation method, ISVC, and unsupervised model adaptation are tested to address the problem of limited enrolling data in text-dependent speaker verification. In contrast to model adaptation methods, ISVC is memoryless with respect to previous verification attempts. As shown here, unsupervised model adaptation can lead to substantial improvements in EER but is highly dependent on the sequence of client/impostor verification events. In adverse scenarios, unsupervised model adaptation might even provide reductions in verification accuracy when compared with the baseline system. In those cases, ISVC may outperform adaptation schemes. It is worth emphasizing that ISVC and unsupervised model adaptation are compatible and the combination of both methods always improves the performance of model adaptation. The combination of both schemes can lead to improvements in EER as high as 34%.

Artículo de conferencia

10.21437/Interspeech.2007-145

pdf

speaker verification

limited enrolling data

intra-speaker variability

model adaptation

telephone speech

REGRESSION

Verificación del hablante

datos de inscripción limitados

variabilidad intrahablante

adaptación del modelo

habla telefónica

REGRESIÓN

speaker verification

limited enrolling data

intra-speaker variability

model adaptation

telephone speech

REGRESSION

Verificación del hablante

datos de inscripción limitados

variabilidad intrahablante

adaptación del modelo

habla telefónica

REGRESIÓN

On comparing and combining intra-speaker variability compensation and unsupervised model adaptation in speaker verification

INTERSPEECH 2007: 8TH ANNUAL CONFERENCE OF THE INTERNATIONAL SPEECH COMMUNICATION ASSOCIATION, VOLS 1-4

acceso abierto

acceso abierto

en

Artículo de conferencia

versión publicada

Interspeech Conference 2007

AUG 27-31, 2007

AUG 27-31, 2007

ISCA-INT SPEECH COMMUNICATION ASSOC

978-1-60560-316-2

913

916

Informática, Inteligencia Artificial

Informática, Aplicaciones Interdisciplinarias

Computer Science, Artificial Intelligence

Computer Science, Interdisciplinary Applications

pdf

WOS:000269998600229