基于GMM-SVM的文本相关说话人确认系统
【摘要】:在文本相关说话人识别领域,如何确认说话人身份以及文本内容是两大挑战。高斯混合模型-通用背景模型(GMM-UBM)作为说话人确认系统经典的一种模型,被广泛使用。针对文本内容的建模,绑定混合模型(TMM)可用来减少模型大小和计算复杂度。在本文中,我们首次对比了TMM-UBM和GMM-UBM的性能差异,并采用了一种基于GMM-SVM的文本相关系统,利用King-ASR-L-057中文数据库和RSR跨信道英文数据库进行了大量的实验,发现基于GMM-SVM的文本相关系统在跨信道语音数据上具有更好的鲁棒性与识别效果。
【相似文献】 | ||
|
|||||||||||||||||||||||||||||||||||||||||
|
|
|||||||||||||||||||||
|
|
|||||||||
|
|
|||||||||||||||||||||
|