Repositorio
Institucional

Becerra Yoma, Nestor

Garreton, Claudio

Molina, Carlos

Huenupan, Fernando

Unsupervised intra-speaker variability compensation based on Gestalt and model adaptation in speaker verification with telephone speech

ELSEVIER

SPEECH COMMUNICATION

en

En este artículo, se propone un método de compensación de variabilidad intralocutor (ISVC) no supervisado basado en Gestalt para abordar el problema de la limitación de datos de registro y la robustez frente al ruido en la verificación de locutor (SV) dependiente del texto. Los experimentos con dos bases de datos muestran que: ISVC puede generar reducciones en la EER de hasta un 20 % o un 40 %, y ISVC proporciona reducciones en la integral por debajo de la curva ROC de entre un 30 % y un 60 %. Además, las mejoras observadas son independientes del número de enunciados de registro. 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, como ataques masivos de impostores y verificación desde una línea telefónica alternativa, la adaptación de modelos no supervisada podría incluso proporcionar reducciones en la precisión de la verificación en comparación con el sistema de referencia. En esos casos, ISVC puede incluso 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 tasa de error igual (EER) de hasta un 34 %. Debido a las limitaciones de las bases de datos comerciales disponibles para la investigación de validación de sistemas (SV) dependiente del texto, los resultados presentados aquí se basan en bases de datos locales en español. De este modo, se resalta la visibilidad de la investigación en lenguas ibéricas. © 2007 Elsevier B.V. Todos los derechos reservados.#In this paper, an unsupervised intra-speaker variability compensation (ISVC) method based oil Gestalt is proposed to address the problem of limited enrolling data and noise robustness in text-dependent speaker verification (SV). Experiments with two databases show that: ISVC can lead to reductions in EER as high as 20% or 40% and ISCV provides reductions in the integral below the ROC curve between 30%, and 60%. Also, the observed improvements are independent of the number of enrolling utterances. 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 oil the sequence of client/impostor verification events. In adverse scenarios, such its massive impostor attacks and verification from alternated telephone line, unsupervised model adaptation might even provide reductions in verification accuracy when compared with the baseline system. In those cases, ISVC can even 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 its high its 34%. Due to the restrictions of commercially available databases for text-dependent SV research, the results presented here are based oil local databases in Spanish. By doing so, the visibility of research in Iberian Languages is highlighted. (C) 2007 Elsevier B.V. All rights reserved.

Artículo original

Los autores agradecen al Dr. Simon King, del CSTR/Universidad de Edimburgo (Reino Unido), por la revisión de este manuscrito. Este trabajo fue financiado por Conicyt - Chile mediante las subvenciones Fondef n.° D051-10243 y Fondecyt n.° 1070382/1030956.

10.1016/j.specom.2007.11.005

pdf

Text-dependent speaker verification

Feature compensation

Intra-speaker variability

Unsupervised model adaptation

Gestalt

Telephone speech

Limited enrolling data

Noise robustness

Speaker verification database in Spanish

LIKELIHOOD LINEAR-REGRESSION

MAXIMUM

Verificación de locutor dependiente del texto

Compensación de características

Variabilidad intralocutor

Adaptación de modelos no supervisada

Gestalt

Habla telefónica

Datos de inscripción limitados

Robustez frente al ruido

Base de datos de verificación de locutor en español

REGRESIÓN LINEAL DE VEROSIMILITUD

MÁXIMO

Text-dependent speaker verification

Feature compensation

Intra-speaker variability

Unsupervised model adaptation

Gestalt

Telephone speech

Limited enrolling data

Noise robustness

Speaker verification database in Spanish

LIKELIHOOD LINEAR-REGRESSION

MAXIMUM

Verificación de locutor dependiente del texto

Compensación de características

Variabilidad intralocutor

Adaptación de modelos no supervisada

Gestalt

Habla telefónica

Datos de inscripción limitados

Robustez frente al ruido

Base de datos de verificación de locutor en español

REGRESIÓN LINEAL DE VEROSIMILITUD

MÁXIMO

Unsupervised intra-speaker variability compensation based on Gestalt and model adaptation in speaker verification with telephone speech

SPEECH COMMUNICATION

suscripción#verde

metadata

metadata

en

Artículo original

versión publicada

ANID CONICYT FONDECYT D051-10243#ANID CONICYT FONDECYT 1070382#ANID CONICYT FONDECYT 1030956

ANID CONICYT FONDECYT D051-10243#ANID CONICYT FONDECYT 1070382#ANID CONICYT FONDECYT 1030956

ELSEVIER

0167-6393

953

964

Acústica

Informática, Aplicaciones Interdisciplinarias

Acoustics

Computer Science, Interdisciplinary Applications

pdf

WOS:000261284100007