SVID Speaker Recognition System for NIST SRE 2012

Abstract

Abstract. A description of the SVID speaker recognition system is presented. This system was developed for submission to the NIST SRE 2012.

Semi-automatic speaker verification system

“…Как показывают результаты проведенного эксперимента, разработанная система может быть при-менима для решения задачи распознавания диктора по речи в условиях временных ограничений в рамках проведения фоноскопической экспертизы в связи с низкой трудоемкостью проведения исследования, а также по той причине, что ошибка верификации данной системы сопоставима с уровнем ошибки автома-тических методов [18]. Система была апробирована на записях, содержащих русскоязычный материал, и может быть рекомендована экспертам-фоноскопистам.…”

“…2) подтверждают экспериментально установленный вывод [18] о том, что при верификации женских голосов алгоритмы, как правило, показывают худшую эффективность, чем в случае с мужскими голосами.…”

Speakers' identification method based on comparison of phoneme lengths statistics

“…Для оценки эффективности метода идентификации диктора использовалось значение равенства ошибок I и II рода -равновероятная ошибка (Equal Error Rate, EER, %) [1]. Для вычисления EER было сформировано два ти-па сравнений: свой-свой и свой-чужой -отдельно для каждого пола дикторов.…”

“…Данная задача заключается в установлении тождества личности по совокупности общих и частных признаков его голоса и речи [1] и объединяет подзадачи идентификации и верификации дикторов. В первом случае спорная фонограмма сравнивается с набором образцов голоса для составления списка наиболее похожих голосов.…”

Speaker-dependent features for spontaneous speech recognition

“…i-вектор представляет собой малоразмерный вектор, кодирующий отличие распределения признаков, оцененного по интересующему фрагменту речевого сигнала (как правило, это участок, соответствующий речи одного диктора), от распределения, оцененного по всей обучающей выборке. i-векторы получили широкое распространение в задаче идентификации и верификации диктора [6] и недавно были успешно применены в задачах распознавания речи [2]. Предложенный в настоящей работе метод заключается в том, чтобы извлекать высокоуровневые признаки из дикторо-зависимой глубокой нейронной сети с узким горлом, использующей i-векторы для адаптации (bottleneck-признаки), и использовать построенные признаки для обучения акустической мо-дели.…”