Detail publikace

Audio Enhancing With DNN Autoencoder For Speaker Recognition

PLCHOT Oldřich, BURGET Lukáš, ARONOWITZ Hagai a MATĚJKA Pavel. Audio Enhancing With DNN Autoencoder For Speaker Recognition. In: Proceedings of the 41th IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP 2016), 2016. Shanghai: IEEE Signal Processing Society, 2016, s. 5090-5094. ISBN 978-1-4799-9988-0.
Název česky
Obohacování audia pomocí DNN autoenkodéru pro rozpoznávání mluvčího
Typ
článek ve sborníku konference
Jazyk
angličtina
Autoři
Plchot Oldřich, Ing., Ph.D. (UPGM FIT VUT)
Burget Lukáš, doc. Ing., Ph.D. (UPGM FIT VUT)
Aronowitz Hagai (IBM)
Matějka Pavel, Ing., Ph.D. (UPGM FIT VUT)
URL
Klíčová slova

rozpoznávání mluvčího, denoising, de-reverbation, neuronové sítě, DNN

Abstrakt

V tomto příspěvku představujeme návrh autoenkodéru založeného na DNN pro vylepšení řeči a jeho použití pro systémy rozpoznávání mluvčích pro vzdálené mikrofony a hlučná data. Začali jsme s rozšířením databáze Fisher o uměle hlučná a dozvukovaná data a vyškolili jsme automatický kodér, aby namapoval hlučnou a dozvukovanou řeč na její čistou verzi. Autoencoder používáme jako krok předzpracování v pozdější fázi modelování v nejmodernějších systémech rozpoznávání mluvčích závislých na textu a nezávislých na textu. Uvádíme relativní vylepšení až o 50% pro systém závislý na textu a až 48% pro systém nezávislý na textu. U systému nezávislého na textu představujeme podrobnější analýzu různých podmínek NIST SRE 2010 a PRISM, což naznačuje, že navrhovaný preproces je slibným a účinným způsobem, jak vybudovat robustní systém rozpoznávání mluvčích pro vzdálený mikrofon a hlučná data.

Rok
2016
Strany
5090-5094
Sborník
Proceedings of the 41th IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP 2016), 2016
Konference
41th IEEE International Conference on Acoustics, Speech and Signal Processing, Shanghai, CN
ISBN
978-1-4799-9988-0
Vydavatel
IEEE Signal Processing Society
Místo
Shanghai, CN
DOI
10.1109/ICASSP.2016.7472647
UT WoS
000388373405048
EID Scopus
2-s2.0-84973277824
BibTeX 
@INPROCEEDINGS{FITPUB11139,
   author = "Old\v{r}ich Plchot and Luk\'{a}\v{s} Burget and Hagai Aronowitz and Pavel Mat\v{e}jka",
   title = "Audio Enhancing With DNN Autoencoder For Speaker Recognition",
   pages = "5090--5094",
   booktitle = "Proceedings of the 41th IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP 2016), 2016",
   year = 2016,
   location = "Shanghai, CN",
   publisher = "IEEE Signal Processing Society",
   ISBN = "978-1-4799-9988-0",
   doi = "10.1109/ICASSP.2016.7472647",
   language = "english",
   url = "https://www.fit.vut.cz/research/publication/11139"
}
Nahoru