Detail výsledku

Analyzing speaker verification embedding extractors and back-ends under language and channel mismatch

SILNOVA, A.; STAFYLAKIS, T.; MOŠNER, L.; PLCHOT, O.; ROHDIN, J.; MATĚJKA, P.; BURGET, L.; GLEMBEK, O.; BRUMMER, J. Analyzing speaker verification embedding extractors and back-ends under language and channel mismatch. Proceedings of The Speaker and Language Recognition Workshop (Odyssey 2022). Beijing: International Speech Communication Association, 2022. p. 9-16.
Typ
článek ve sborníku konference
Jazyk
anglicky
Autoři
Silnova Anna, M.Sc., Ph.D., UPGM (FIT)
Stafylakis Themos
Mošner Ladislav, Ing., UPGM (FIT)
Plchot Oldřich, Ing., Ph.D., UPGM (FIT)
Rohdin Johan Andréas, M.Sc., Ph.D., FIT (FIT), UPGM (FIT)
Matějka Pavel, Ing., Ph.D., UPGM (FIT)
Burget Lukáš, doc. Ing., Ph.D., UPGM (FIT)
Glembek Ondřej, Ing., Ph.D., UPGM (FIT)
Brummer Johan Nikolaas Langenhoven, Dr.
Abstrakt

In this paper, we analyze the behavior and performance ofspeaker embeddings and the back-end scoring model under domainand language mismatch. We present our findings regardingResNet-based speaker embedding architectures and showthat reduced temporal stride yields improved performance. Wethen consider a PLDA back-end and show how a combinationof small speaker subspace, language-dependent PLDA mixture,and nuisance-attribute projection can have a drastic impact onthe performance of the system. Besides, we present an efficientway of scoring and fusing class posterior logit vectors recentlyshown to perform well on speaker verification task. The experimentsare performed using the NIST SRE 2021 setup.

Klíčová slova

speaker, verification, embedding

URL
Rok
2022
Strany
9–16
Sborník
Proceedings of The Speaker and Language Recognition Workshop (Odyssey 2022)
Konference
Odyssey 2022: The Speaker and Language Recognition Workshop
Vydavatel
International Speech Communication Association
Místo
Beijing
DOI
10.21437/Odyssey.2022-2
BibTeX 
@inproceedings{BUT179660,
  author="Anna {Silnova} and Themos {Stafylakis} and Ladislav {Mošner} and Oldřich {Plchot} and Johan Andréas {Rohdin} and Pavel {Matějka} and Lukáš {Burget} and Ondřej {Glembek} and Johan Nikolaas Langenhoven {Brummer}",
  title="Analyzing speaker verification embedding extractors and back-ends under language and channel mismatch",
  booktitle="Proceedings of The Speaker and Language Recognition Workshop (Odyssey 2022)",
  year="2022",
  pages="9--16",
  publisher="International Speech Communication Association",
  address="Beijing",
  doi="10.21437/Odyssey.2022-2",
  url="https://www.isca-speech.org/archive/pdfs/odyssey_2022/silnova22_odyssey.pdf"
}
Soubory
Projekty
Multi-lingualita v řečových technologiích, MŠMT, INTER-EXCELLENCE - Podprogram INTER-ACTION, LTAIN19087, zahájení: 2020-01-01, ukončení: 2023-08-31, ukončen
Neuronové reprezentace v multimodálním a mnohojazyčném modelování, GAČR, Grantové projekty exelence v základním výzkumu EXPRO - 2019, GX19-26934X, zahájení: 2019-01-01, ukončení: 2023-12-31, ukončen
Robustní zpracování nahrávek pro operativu a bezpečnost, MV, PROGRAM STRATEGICKÁ PODPORA ROZVOJE BEZPEČNOSTNÍHO VÝZKUMU ČR 2019-2025 (IMPAKT 1) PODPROGRAMU 1 SPOLEČNÉ VÝZKUMNÉ PROJEKTY (BV IMP1/1VS), VJ01010108, zahájení: 2020-10-01, ukončení: 2025-09-30, ukončen
Síťová, textová analýza a analýza řeči v reálném čase pro boj s organizovaným zločinem, EU, Horizon 2020, zahájení: 2019-09-01, ukončení: 2022-12-31, ukončen
Výměny pro výzkum řeči a technologií, EU, Horizon 2020, zahájení: 2021-01-01, ukončení: 2025-12-31, řešení
Výzkumné skupiny
Výzkumná skupina dolování dat z řeči BUT Speech@FIT (VZ SPEECH)
Pracoviště
Ústav počítačové grafiky a multimédií (UPGM)
Nahoru