Введение 3
Постановка задачи 5
Обзор литературы 6
Глава 1. Подготовка данных 7
1.1 Описание используемых баз 7
1.2 Предварительная обработка сигнала 10
1.3 Извлечение признаков 13
1.4 Предварительная обработка признаков 18
Глава 2. Классическая базовая система 21
2.1 Универсальная фоновая модель 21
2.2 Извлечение i-векторов 21
2.3 Сравнение i-векторов 21
Глава 3. Система на основе глубоких нейронных сетей 24
3.1 Свёрточные нейронные сети 24
3.2 Residual отображения 28
3.3 Глубокая архитектура 31
3.4 Извлечение высокоуровневых признаков 33
3.5 Сравнение высокоуровневых признаков 35
Глава 4. Эксперименты и результаты 36
4.1 Проведение экспериментов 36
4.2 Результаты 38
4.3 Анализ результатов 41
Выводы 42
Заключение 43
Список литературы 44
Купить

Задача идентификации диктора по голосу, носящая в англоязычной ли­тературе название «speaker identification task», позволяет определить по записи голоса его принадлежность определённому диктору. Другими сло­вами, она отвечает на вопрос «Кто это говорит?». Умение отвечать на по­добный вопрос открывает дорогу к решению множества прикладных за­дач из различных областей человеческой деятельности. Среди таких задач можно выделить следующие.
1. Поиск определённого диктора в потоке голосовых данных.
Эта задача может возникнуть, например, в сфере поддержки, когда необходимо среди записей телефонных разговоров call-центра найти записи всех диалогов с недавно звонившим клиентом с целью анализа и улучшения качества работы центра. С применением средств иденти­фикации диктора по голосу такое возможно даже если клиент звонил с телефонов с разными номерами. Аналогичная задача возникает и в сфере безопасности, где поиск записей телефонных разговоров потен­циально опасных личностей может производиться среди всевозмож­ных записей определённой телефонной станции.
2. Биометрическая аутентификация по голосу
Путём сравнения текущего диктора со списком заранее заданных ав­томатическая система может принимать решение о разрешении или запрете авторизации. Такой способ аутентификации может быть ис­пользован как замена или дополнение к паролю при разблокировке смартфона или при попытке доступа к банковскому приложению. Бла­годаря средствам верификации диктора по голосу никогда не слы­шавший прежде своего собеседника пользователь сможет в автома­тическом режиме удостовериться, что собеседник не выдаёт себя за другую личность, а автоматическая система, распознающая и испол­няющая голосовые команды, сможет удостовериться, что выполняет команды авторизованного пользователя.
В современном мире потоки информации достигли объёмов, не под­властных ручному анализу. Именно поэтому внимание исследователей скон­центрировано в основном на автоматических подходах к решению задач. Исключением не является и данная работа.
Подходы, основанные на классических методах машинного обучения и статистики, долгое время оставались и остаются главенствующими при ре­шении задачи автоматической идентификации диктора по голосу. В то же время, активно развивающиеся в последнее десятилетие подходы, основан­ные на глубоких нейронных сетях, достигли непревзойдённых успехов во многих задачах классификации, распознавания образов, идентификации по лицу. Преимущества подобных подходов очевидны: они просты в разра­ботке и использовании, требуют минимального количества вносимой извне априорной информации и зачастую превосходят традиционные методы по качеству.
В данной работе рассматривается возможность применения глубоких нейронных сетей к задаче автоматической идентификации диктора по голо­су в текстозависимых и текстонезависимых условиях, исследуются преиму­щества и недостатки подобного подхода и проводится сравнение с класси­ческим методом, показывающим лучшие результаты на рассматриваемых базах.
Купить