ADVANCED END-TO-END LOSS MODEL APPLIED TO SPEAKER IDENTIFICATION

端到端损失函数在说话人验证中的应用

依托广义端到端损失函数的说话人验证方法

1. ABSTRACT

本研究中，我们设计了一种新型的损失函数——广义端到端损失（GE2E），该方法在说话人验证模型上的表现优于先前的基于元组的端到端损失（TE2E）函数。相较于TE2E，GE2E损失函数通过在训练过程中的每一步强调难以验证的样本，从而实现对网络参数的更新。同时，GE2E无需在训练初期进行样本筛选。借助这些特性，所提出的模型在应用新损失函数后，将说话人验证任务的EER值降低了超过10%，并且训练耗时减少了60%。此外，我们还引入了多读取器技术，这一技术能够支持域自适应训练，从而构建出适用于多个关键词及多种方言的更为精确的模型（如“ok google”和“hey google”等）。

INTRODUCTION

1.1 Background

说话人验证是一种通过已知语音样本（即注册语音）来判断待验证语音是否来自特定说话人的过程。例如，Voice Match技术即为典型应用。

依据用于注册与验证的语音内容所受到的约束条件，说话人验证模型一般划分为两类：文本相关说话人验证（TDSV）和文本无关说话人验证（TISV）。在文本相关的验证方式中，注册与验证语音的文本内容均受到音位层面的限制；而在文本无关的验证方式中，则不存在词汇层面的约束，从而导致音