TÜRKÇE KONUŞMACI DOĞRULAMADA DİL UYUMSUZLUĞUNUN ETKİSİ

Abstract

Bu çalışmada, arkaplan verisi ile gerçekleştirme verisi arasında konuşulan dil anlamında bir uyumsuzluk olması durumunda Türkçe konuşmalar için konuşmacı tanıma performansı incelenmiştir. Gauss karışım modeli - genel arkaplan modeli sınıflandırıcısı ile mel-frekansı kepstral katsayıları konuşmacılara özgü öznitelikler olarak seçilmiştir. 47 erkek ve 26 bayan konuşmacıdan oluşan Türkçe veritabanı ile yapılan deneylerde görülmüştür ki arkaplan modelini eğitmek için kullanılan seslerin dili ile konuşmacı doğrulama deneylerinde kullanılan dil farklı olduğunda konuşmacı doğrulama performansı dramatik bir şekilde düşmektedir. Örneğin, erkek konuşmacılar için Türkçe ses verileri ile arkaplan modeli eğitildiğinde %1.73 eşit hata oranı elde edilirken, İngilizce sesler ile eğitildiğinde %12.34 eşit hata oranı elde edilmiştir. 

Keywords

• Türkçe konuşmacı doğrulama,dil uyumsuzluğu

Effect of Language Mismatch on Turkish Speaker Verification

Abstract

In this paper, effect of language mismatch between background data and evaluation data is analyzed for text-independent speaker recognition in particular for Turkish spoken language. Gaussian mixture model with universal background model (GMM-UBM) classifier is utilized using Mel-frequency cepstral coefficients (MFCCs) as speaker-specific features. Experiments conducted on a Turkish speech database consisting of 47 male and 26 female speakers reveals that Turkish speaker recognition performance dramatically degrades in case of language mismatch between UBM and the evaluation data. For example 1.73% and 12.34% equal error rates (EERs) are obtained for male speakers when UBM is trained using Turkish and English data, respectively. 

Keywords

• Turkish speaker recognition,language mismatch

References

1. Akbacak M. and Hansen, J. H. L, (2007) Language normalization for bilingual speaker recognition systems, IEEE International Conference on Acostics, Speech and Signal Processing, 257-260. doi:10.1109/ICASSP.2007.366898
2. Benesty, J. Sondhi, M. M. and Huang, Y. A., (2007) Springer Handbook of Speech Processing, Springer-Verlag, New York.
3. Bosaris Toolkit (2010). Access address: https://sites.google.com/site/bosaristoolkit/ (Accessed in 17.11.2016)
4. Büyük, O., and Arslan, L. M., (2012a) Model selection and score normalization for text-dependent single utterance speaker verification, Turkish Journal of Electrical Engineering and Computer Science, 20(2), 1277-1295. doi:10.3906/elk-1103-35
5. Büyük, O., and Arslan, L. M., (2012b) Combining log-spectral mean subtraction at different frequency resolutions for handset-channel compensation in single utterance speaker verification, IET Signal Processing, 6(9), 824-828. doi:10.1049/iet-spr.2011.0270
6. Dempster, A. P., Laird, N. M., and Rubin, D. B., (1977) Maximum likelihood from incomplete data via EM algorithm, Journal of the Royal Statistical Society, 39(1), 1-38. doi:10.2307/2984875
7. Hansen J. H.L and Hasan, T. (2015) Speaker recognition by machines and humans: A tutorial review, IEEE Signal Processing Magazine, 32(6), 74-99. doi:10.1109/MSP.2015.2462851
8. Luengo, I., Navas, E., Sainz, I, Saratxaga, I., Sanchez, J., Odriozola, I and Hernaez, I. (2008) Text independent speaker identification in multilingual environments, LREC, 1814-1817.

9. Ma, B. and Meng, H., (2004) English-Chinese bilingual text-independent speaker verification, IEEE International Conference on Acostics, Speech and Signal Processing, 293-296. doi: 10.1109/ICASSP.2004.1327105
10. Ma, B., Meng, H. M., and Mak, M. -W., (2007) Effects of device mismatch, language mismatch and environmental mismatch on speaker verification, IEEE International Conference on Acostics, Speech and Signal Processing, 301-304. doi:10.1109/ICASSP.2007.366909
11. Misra, A. and Hansen, J. H. L., (2014) Spoken language mismatch in speaker verification: An investigation with NIST-SRE and CRSS bi-ling corpora, Spoken Language Technology, 372-377. doi:10.1109/SLT.2014.7078603
12. Reynolds, D. A., Rose, R. C., (1995) Robust text-independent speaker identification using Gaussian mixture speaker models, IEEE Transactions on Speech and Audio Processing, 3(1), 72-83. doi:10.1109/89.365379
13. Reynolds, D. A., Quatieri, T. F., and Dunn, R. B., (2000) Speaker verification using adapted Gaussian mixture models, Digital Signal Processing, 10(1), 19-41. doi:10.1006/dspr.1999.0361