A Novel Hybrid Neural Embedding Extractor for Text Independent Speaker Verification
Notice bibliographique
Résumé
Speaker embedding extraction is crucial for neural automatic speaker verification systems. In this work, we propose a novel hybrid neural embedding framework that integrates frequency- and channel-wise Selective Kernel Attention (SKA) into a 2D-CNN-based feature extraction module. This integration improves the aggregation of frequency-channel information, enhancing the extraction of discriminative speaker embeddings. The feature extraction module is connected to a frame-level network, combining a Time-Delay Neural Network (TDNN)-Long Short-Term Memory (LSTM) hybrid with a fully TDNN network in a cascaded structure. To capture speaker information at the utterance level, we use Multi-Level Attentive Statistics Pooling (MLASP), which incorporates local statistics and leverages the complementarity of different networks. MLASP also helps integrate previously overlooked features, enhancing the robustness of the learned embeddings. The entire framework is trained with the additive angular margin softmax (AAMSoftmax) objective, creating an embedding space where embeddings of the same speaker are close together, and those of different speakers are well separated. Experimental results on the VoxCeleb and CNCeleb corpora demonstrate that our approach outperforms both baseline and state-of-the-art speaker verification systems trained on the same datasets.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».