《基于时间尺度聚合的短语音说话人识别》作者：王逸轩，别红霞【PDF】

书呆熊

基于时间尺度聚合的短语音说话人识别
王逸轩，别红霞
（北京邮电大学人工智能学院，北京市，100876）
摘要：说话人识别技术基于个体语音特征进行身份区分，广泛应用于语音助手、智能安防等领域。然而，短语音数据由于时长有限，难以提取稳定的说话人特征，严重影响识别准确率。
传统的多尺度特征聚合方法大多侧重于通道维度上的信息融合，可能无法充分捕捉短语音场景下关键的时序动态信息。本文提出了一种基于时序特征的多尺度特征聚合方法。该方法通过构建多尺度特征提取模块，有效捕捉短语音中的局部和全局时序特征。该方法可以增强不同尺度特征的互补性，在模型规模减小50%的情况下，并实现约1%的准确率提升。
关键词：人工智能；说话人识别；短语音；特征聚合
中图分类号：TN912.34