[논문 리뷰] Speaker Identification by GMM based i Vector

Soumen Kanrar|arXiv (Cornell University)|2017. 04. 12.

Speech Recognition and Synthesis참고 문헌 9인용 수 3

한 줄 요약

이 논문은 채널 차이를 보완하기 위해 차원 축소와 코사인 거리 스코어링을 통해 예측 정확도를 향상시키는 GMM 기반 i-vector 프레임워크를 제안한다. 가우시안 믹스처 모델(GMM)을 통해 말하는 사람의 특징을 모델링하고, 채널 변화를 다루기 위해 i-vector 적응을 적용함으로써 다양한 녹음 조건과 언어에서 더 신뢰할 수 있는 화자 식별을 달성한다. 다중 채널 및 다국어 데이터를 사용한 시뮬레이션에서, 정규화된 스코어 기반 베이스라인에 비해 성능이 뛰어나다.

ABSTRACT

Speaker Identification process is to identify a particular vocal cord from a set of existing speakers. In the speaker identification processes, unknown speaker voice sample targets each of the existing speakers present in the system and gives a predication. The predication may be more than one existing known speaker voice and is very close to the unknown speaker voice. The model is a Gaussian mixture model built by the extracted acoustic feature vectors from voice. The i-vector based dimension compression mapping function of the channel depended speaker, and super vector give better predicted scores according to cosine distance scoring associated with the order pair of speakers. In the order pair, the first coordinate is the unknown speaker i.e. test speaker, and the second coordinates is the existing known speaker i.e. target speaker. This paper presents the enhancement of the prediction based on i- vector in compare to the normalized set of predicted score. In the simulation, known speaker voices are collected through different channels and in different languages. In the testing, the GMM voice models, and GMM based i-Vector speaker voice models of the known speakers are used among the numbers of clusters in the test data set.

연구 동기 및 목표

• 채널 차이와 다양한 녹음 조건이 존재하는 환경에서 화자 식별 정확도를 향상시키기 위해.
• 차원 축소를 동시에 유지하면서도 분류 가능한 화자 특징을 보존하는 i-vector 적응의 효과성을 조사하기 위해.
• i-vector 슈퍼벡터에 대한 코사인 거리 스코어링의 성능을 평가하기 위해.
• 다양한 언어와 녹음 채널에서 GMM 기반 i-vector 시스템의 강인성을 테스트하기 위해.
• 예측 신뢰성 측면에서 제안된 방법을 정규화된 스코어 기반 베이스라인과 비교하기 위해.

제안 방법

• 시스템은 알려진 화자 음성 샘플에서 추출한 음성 특징 벡터에 대해 훈련된 가우시안 믹스처 모델(GMM)을 사용한다.
• i-vector는 고차원 화자 표현을 저차원 공간으로 압축하여 채널에 의존하는 변동성을 줄이기 위해 GMM에서 유도된다.
• 채널 보정 기법이 i-vector 매핑 함수에 적용되어 채널 영향에 대한 강인성을 향상시킨다.
• 화자 확인은 테스트 화자의 i-vector(첫 번째 좌표)와 알려진 화자 i-vector(두 번째 좌표) 사이의 코사인 거리 스코어링을 통해 수행된다.
• 각 화자의 모델을 효율적으로 비교하기 위해 i-vector에서 구성된 슈퍼벡터를 사용한다.
• 일반화성과 강인성을 평가하기 위해 다중 채널 및 다국어 테스트 세트를 사용하여 프레임워크를 평가한다.

실험 결과

연구 질문

• RQ1 i-vector 기반 차원 축소는 채널 차이가 존재하는 상황에서 화자 식별 성능을 어떻게 향상시키는가?
• RQ2 i-vector 슈퍼벡터에 대한 코사인 거리 스코어링은 정규화된 스코어 기반 베이스라인 대비 예측 정확도를 얼마나 향상시키는가?
• RQ3 GMM 기반 i-vector 시스템은 다양한 녹음 채널과 언어에서 얼마나 강인한가?
• RQ4 다양한 음향 환경에서 여러 알려진 화자 중에서 미지의 화자를 신뢰성 있게 식별할 수 있는가?
• RQ5 i-vector 적응은 화자 모델의 압축성과 분류 능력에 어떤 영향을 미치는가?

주요 결과

• GMM 기반 i-vector 접근법은 정규화된 스코어 기반 베이스라인에 비해 화자 식별 정확도를 크게 향상시킨다.
• 시스템은 테스트 데이터셋에서 다양한 녹음 채널과 다국어 환경에서 강인한 성능을 보여준다.
• i-vector 차원 축소는 채널에 의존하는 변동성을 효과적으로 줄여 모델 일반화 능력을 향상시킨다.
• i-vector 슈퍼벡터에 대한 코사인 거리 스코어링은 대안적 스코어링 방법보다 더 신뢰할 수 있고 분류 능력이 뛰어난 예측을 도출한다.
• 다중 화자 식별 작업에서 더 높은 예측 신뢰도와 낮은 오류율을 달성한다.
• 시뮬레이션 결과는 i-vector 적응이 유사한 화자 음성 간 구별 능력을 향상시키는 데 기여함을 확인한다.