深度学习框架下说话人识别研究综述

• 作者: 刘聪 曾春艳 朱栋梁 王娟 王志锋 赵楠 马超峰
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 说话人识别 深度学习 特征表达 模式分类 端到端
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 热点与综述
• 页码范围: 8-16
• 页数: 9页
• 分类号: TN912
• 字数: 6731字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1911-0415

摘要

说话人识别由于其独特的方便性、经济性和准确性等优势,已成为人们日常生活与工作中重要的身份认证方式.然而在实际应用场景下,对说话人识别系统的准确性、鲁棒性、迁移性、实时性等提出了巨大的挑战.近年来深度学习在特征表达和模式分类方面表现优异,为说话人识别技术的进一步发展提供了新方向.相较于传统说话人识别技术(如GMM-UBM、GMM-SVM、JFA、i-vector等),聚焦于深度学习框架下的说话人识别方法,按照深度学习在说话人识别中的作用方式,将目前的研究分为基于深度学习的特征表达、基于深度学习的后端建模、端到端联合优化三种类别,并分析和总结了其典型算法的特点及网络结构,对其具体性能进行了对比分析.最后总结了深度学习在说话人识别中的应用特点及优势,进一步分析了目前说话人识别研究面临的问题及挑战,并展望了深度学习框架下说话人识别研究的前景,以期推动说话人识别技术的进一步发展.