论文
使用自我监督的预训练模型进行跨语言说话人验证
Cross-Lingual Speaker Verification with Self-Supervised Pre-Trained Models
摘要
由于说话人身份与特定于语言的声学线索的纠缠，说话人验证 (SV) 性能在语言不匹配的情况下会下降。为了解决这个问题，我们利用大规模自监督预训练模型（PTM）来学习与语言无关的说话人表示。我们利用 PTM 作为强大的前端特征提取器，利用从大量、多样化的音频数据中获取的丰富的声学和语言知识。然后，使用这些通用特征来训练下游说话人嵌入网络，有效地将说话人身份与特定于语言的特征分开。我们在 TidyVoice2026 基准测试上验证了我们的方法，该基准测试在语言不匹配的情况下对 SV 进行基准测试。我们提出的系统（T02 团队）在 tv26_eval-A 上实现了 2.21% 的相同错误率 (EER)，在 tv26_eval-U 上实现了 2.99% 的相同错误率 (EER)。
