| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2024-02-29 09:30 話者照合のための声道長摂動に基づく疑似話者生成によるデータ拡張 ○若松智花・塩田さやか・貴家仁志（都立大）  EA2023-61 SIP2023-108 SP2023-43 |
|
| 抄録 | （和） | 近年主流となっている深層学習モデルを用いた話者照合システムにおいて，信頼性の高いモデルを構築するためには大量の学習データが必要であり，データ拡張の適用が必要不可欠である．一般的に，ノイズを重畳することで発話数を増加させるデータ拡張手法が用いられることが多く，ほとんどの既存研究でその有効性が示されている．一方で，話者照合システムの性能は話者埋め込みベクトルの抽出器として用いる話者埋め込みネットワークの分類性能に依存することが知られており，学習データに含まれる話者数も性能の向上のために重要な要因の一つであるといえる．そこで本稿では，声道長の伸縮による話者性の変化に基づく疑似話者の生成を用いた話者数に対するデータ拡張手法を提案する．また，話者性の変化量が不十分な疑似話者の生成がかえって精度の低下に繋がる可能性を考慮し，話者性の変化量が十分な話者を選択するという手法についても検証した．x-vectorに基づく話者照合において提案するデータ拡張手法の有効性を検証した結果，全ての疑似話者を使用する場合と比べて話者性の変化量を考慮した場合に話者照合の精度が向上したことが確認できた．さらに，提案する疑似話者拡張手法と従来のノイズ重畳による発話数の拡張を組み合わせることでデータ拡張の効果がより高くなり，JTubeSpeech-ASVデータベースのテストセットにおいて5.7%のEERを記録したことを報告する． |
| （英） | In recent years, deep neural network (DNN)-based automatic speaker verification (ASV) systems have become mainstream. Data augmentation is an essential technique, as large amounts of training data are required to construct reliable ASV systems. It is well known that data augmentation increases the number of utterances by adding noise and is effective in most methods. However, it is known that the performance of ASV systems depends on the performance of the speaker embedding network used as the extractor of speaker embeddings. For this reason, the number of speakers in the training data is also an important factor for improving performance. Thus, we propose a method called pseudo-speaker augmentation, which utilizes a technique called vocal tract length (VTL) warping. Considering the possibility that generating pseudo-speakers with insufficient change in speaker characteristics may lead to a decrease in accuracy, we also examined the case where only using some speakers with a sufficient change of characteristics. In our experiments, the performance of the ASV system based on x-vector was improved when changes in speaker characteristics were taken into account. Furthermore, the highest performance was achieved in the system applying both the proposed pseudo-speaker augmentation and conventional utterance augmentation method, achieving an equal error rate of 5.7% on the JTubeSpeech-ASV database. | |
| キーワード | （和） | 話者照合 / x-vector / データ拡張 / 声道長摂動 / / / / |
| （英） | automatic speaker verification / x-vector / data augmentation / vocal tract length perturbation / / / / | |
| 文献情報 | 信学技報, vol. 123, no. 403, SP2023-43, pp. 1-6, 2024年2月. | |
| 資料番号 | SP2023-43 | |
| 発行日 | 2024-02-22 (EA, SIP, SP) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | EA2023-61 SIP2023-108 SP2023-43 |
|
| 研究会情報 | |
| 研究会 | SIP SP EA IPSJ-SLP |
| 開催期間 | 2024-02-29 - 2024-03-01 |
| 開催地（和） | 沖縄産業支援センター |
| 開催地（英） | |
| テーマ（和） | 音声，応用／電気音響, 信号処理，一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | SP |
| 会議コード | 2024-02-SIP-SP-EA-SLP |
| 本文の言語 | 日本語 |
| タイトル（和） | 話者照合のための声道長摂動に基づく疑似話者生成によるデータ拡張 |
| サブタイトル（和） | |
| タイトル（英） | Vocal tract length perturbation-based pseudo-speaker augmentation for automatic speaker verification |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 話者照合 / automatic speaker verification |
| キーワード(2)（和/英） | x-vector / x-vector |
| キーワード(3)（和/英） | データ拡張 / data augmentation |
| キーワード(4)（和/英） | 声道長摂動 / vocal tract length perturbation |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 若松 智花 / Tomoka Wakamatsu / ワカマツ トモカ |
| 第1著者 所属（和/英） | 東京都立大学 (略称： 都立大) Tokyo Metropolitan University (略称： Tokyo Metropolitan Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 塩田 さやか / Sayaka Shiota / シオタ サヤカ |
| 第2著者 所属（和/英） | 東京都立大学 (略称： 都立大) Tokyo Metropolitan University (略称： Tokyo Metropolitan Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 貴家 仁志 / Hitoshi Kiya / キヤ ヒトシ |
| 第3著者 所属（和/英） | 東京都立大学 (略称： 都立大) Tokyo Metropolitan University (略称： Tokyo Metropolitan Univ.) |
| 第4著者 氏名（和/英/ヨミ） | / / |
| 第4著者 所属（和/英） | (略称： ) (略称： ) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2024-02-29 09:30:00 |
| 発表時間 | 20分 |
| 申込先研究会 | SP |
| 資料番号 | EA2023-61, SIP2023-108, SP2023-43 |
| 巻番号（vol） | vol.123 |
| 号番号（no） | no.401(EA), no.402(SIP), no.403(SP) |
| ページ範囲 | pp.1-6 |
| ページ数 | 6 |
| 発行日 | 2024-02-22 (EA, SIP, SP) |
[研究会発表申込システムのトップページに戻る]