MétaCan
Menu
Retour à la cohorte
Enregistrement W4312330812 · doi:10.56828/jser.2022.1.1.3

Voiceprint Recognition based on Machine Learning Methods

2022· article· en· W4312330812 sur OpenAlexaff
Ajinkya Kunjir

Notice bibliographique

RevueJournal of Science and Engineering Research · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueSpeech Recognition and Synthesis
Établissements canadiensLakehead University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceSpeech recognitionSpeaker recognitionIdentification (biology)Feature (linguistics)BiometricsTask (project management)Artificial intelligencePattern recognition (psychology)Engineering

Résumé

récupéré en direct d'OpenAlex

Biometric identification technology has been widely used in today's society because of its convenience and security. As an important biometric feature, speech contains abundant information, and because of the popularity of smart devices, the collection cost of a speaker's speech is also very low. Therefore, it is of great practical value to analyze the speaker's voice. This paper mainly discusses the speaker's voiceprint recognition based on deep learning and expands the speech emotion recognition. Voiceprint recognition is divided into two tasks: speaker identification and speaker confirmation, and speech emotion recognition will be directly treated as a multi-classification problem. To take advantage of different attention mechanisms, this paper proposes a dual-path attention mechanism, which applies self-attention and convolution module attention at the same time and significantly improves the recognition effect without increasing the training time. Based on the ternary loss of predecessors, the cluster domain loss is proposed, and this paper further improves this loss for the speaker identification task and puts forward the weighted cluster domain loss, which pays more attention to the increase of the difference between classes, thus increasing the probability that critical samples are correctly classified. To solve the problem of low efficiency of cluster loss in the early stage of training, this paper also puts forward a novel loss function-critical enhancement loss, which pays extra attention to the sample pairs that are easiest and necessary to be optimized in every step of the training process. After combining cluster loss, the samples that are most difficult to optimize and easiest to optimize in every step are considered at the same time, which accelerates the training process and wins more training time for the difficult loss in cluster loss, thus further improving the final optimization effect. Aiming at the task of speaker emotion recognition, this paper proposes a lightweight neural network that combines Res Net and GRU. Compared with other methods in newer literature, this paper achieves comparable emotion classification results on the IEMOCAP data set with fewer parameters and features, in which UA reaches 67.9%, F1 score reaches 0.675, and the number of parameters is relatively reduced by 16.2%.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,016
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,957
Score d'incertitude au seuil0,572

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0160,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,106
Tête enseignante GPT0,379
Écart entre enseignants0,273 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Science and Engineering ResearchMême sujetSpeech Recognition and SynthesisTravaux en français237 207