Awesome Speaker Recognition

Awesome Speaker Diarization

声纹识别的技术演变（五）

当DNN用于声纹识别的时候，它的发展路线在很多方面与语音识别很相似，最先演化出来的是bottleneck feature，然后是用DNN替换GMM，再演变到用DNN embedding。

JFA方法的思想是使用GMM超矢量空间的子空间对说话人差异和信道差异分别建模，从而可以方便的分类出信道干扰。然而，Dehak注意到，在JFA模型中，信道因子中也会携带部分说话人的信息，在进行补偿时，会损失一部分说话人信息。

GMM模型可以较好的对说话人进行建模，但它还存在几个问题：

• GMM Supervector 作为一个高维的特征向量，必然包含了很多冗余的信息（高维数据常见的问题）
• 在训练和测试环境一致的情况下，GMM可以取得很好的性能。但由于声音采集过程中，信道具有多样性且容易收到其它噪声的干扰，导致与训练环境不匹配，此时GMM的性能会急剧下降。

1 简介

通俗的讲，声纹识别就是辨别某一句话是不是由某一个人讲的。理论上，每个人声腔结构参数（尺寸等）都是不一样的，因此只要能提取到可以充分表达人与人之间声腔差异的特征，声音就可以像指纹一样，将不同的人有效区分。

1. Overview

Snips团队在《Efficient keyword spotting using dilated convolutions and gating》这篇论文中采用 wavenet 这一生成模型来做 Keyword spotting(Wakeup word detection)，得到了非常不错的结果，如下图：

为此，我们追根溯源，从 PixelRNN 开始，一步步分析 Wavenet 的进化过程，以及它如何应用于 keyword spotting。

语音搜索中概述型的书籍，偶然发现此书，快速研读，记录于此，以期对语音搜索技术有更全面的了解。

1. 简介

深度学习作为机器学习的一个分支，近年来受到了广泛的追捧和应用，但其庞大的运算量一直是制约其发展的瓶颈，因此近年来也涌现出了一系列的神经网络优化方法，本文结合自身的一些工作心得，简单介绍一些深度神经网络的优化方法。