Effects Of Background Data Duration On Speaker Verification Performance

Öz

Gauss karışım modeli genel arka plan modeli (GKM-GAM) ve vektör nicemleme genel arka plan modeli (VN-GAM) konuşmacı doğrulamada sık kullanılan iki yöntemdir. Genellikle GAM modeli fazla sayıda farklı konuşmacının bulunduğu bir kümeden seçilen saatlerce uzunluktaki ses işaretleri kullanılarak eğitilir. Bu çalışmada, GAM modelinin eğitiminde kullanılan veri miktarının metinden bağımsız konuşmacı doğrulama performansına etkisi incelenmektedir. NIST 2002 konuşmacı tanıma değerlendirme veritabanı ile GKM-GAM ve VN-GAM yöntemleri kullanılarak yapılan deneysel çalışmalar arka plan modelini eğitmek için kullanılan veri miktarının konuşmacı tanıma performansına çok fazla etkisinin olmadığı görülmüştür

Anahtar Kelimeler

• Konuşmacı doğrulama, Gauss karışım modeli, Vektör nicemleme, Genel arka plan modeli

Arkaplan Veri Süresinin Konuşmacı Doğrulama Performansına Etkisi

Öz

Gaussian mixture models with universal background model (GMM-UBM) and vector quantization with universal background model (VQ-UBM) are the two well-known classifiers used for speaker verification. Generally, UBM is trained with many hours of speech from a large pool of different speakers. In this study, we analyze the effect of data duration used to train UBM on text-independent speaker verification performance using GMM-UBM and VQ-UBM modeling techniques. Experiments carried out NIST 2002 speaker recognition evaluation (SRE) corpus show that background data duration to train UBM has small impact on recognition performance for GMM-UBM and VQ-UBM classifiers

Anahtar Kelimeler

• Speaker verification, Gaussian mixture model, Vector Quantization, Universal background model

Kaynakça

1. Campbell, W., Sturim, D. E., Reynolds, D. A., Support Vector Machines Using GMM Supervectors for Speaker Verification, IEEE Signal Processing Letters, Vol. 13, No. 5, pp. 308–311, May 2006.
2. Dehak, N., Kenny, P., Dehak, R., Dumouchel, P and Ouellet, P. (2011) Front-End Factor Analysis for Speaker Verification, IEEE Transactions on Audio, Speech and Language Processing, 19(4), 788-798.
3. Hanilçi, C. and Ertaş, F. (2011) Comparison of the impact of some Minkowski metrics on VQ/GMM based speaker recognition, Computers & Electrical Engineering, 37(1), 41-56.
4. Hautamäki, V., Kinnunen, T., Kärkkäinen, I., Tuononen, M., Saastamoinen, J. and Fränti, P. (2008) Maximum a Posteriori Estimation of the Centroid Model for Speaker Verification, IEEE Signal Processing Letters, 15: 162--165.
5. Kenny, P., Boulianne, G., Ouellet, P. and Dumouchel, P. (2007) Joint factor analysis versus eigenchannels in speaker recognition, IEEE Transactions on Audio, Speech and Language Processing, 15 (4), 1435-1447.
6. Kinnunen, T., Saastamoinen, J., Hautamäki, V., Vinni, M. and Fränti, P. (2009) Comparative Evaluation of Maximum a Posteriori Vector Quantization and Gaussian Mixture Models in Speaker Verification, Pattern Recognition Letters, 30(4): 341--347.
7. Kinnunen, T. and Li, H. (2011) An Overview of Text-Independent Speaker Recognition: from Features to Supervectors, Speech Communication 52(1), 12--40.
8. NIST, (2001). http://www.itl.nist.gov/iad/mig/tests/sre/2002/index.html, Retrieved: July 2012, Subject: NIST 2002 SRE Evaluation Plan

9. NIST, (2002). http://www.itl.nist.gov/iad/mig/tests/sre/2001/index.html,  Retrieved: July 2012, Subject: NIST 2001 SRE Evaluation Plan
10. Reynolds, D. A., Quatieri, T. F. and Dunn, R. B. (2000) Speaker Verification Using Adapted Gaussian Mixture Models, Digital Signal Processing, 10(1-3), 19-41.
11. Makale 01.11.2012 tarihinde alınmış, 20.12.2012 tarihinde düzeltilmiş, 21.12.2012 tarihinde
12. kabul edilmiştir.