[논문 리뷰] Comparison of Speech Activity Detection Techniques for Speaker Recognition

Md Sahidullah, Goutam Saha|arXiv (Cornell University)|2012. 10. 01.

Speech Recognition and Synthesis참고 문헌 28인용 수 25

한 줄 요약

이 논문은 NIST 음성 코퍼스를 사용하여 청결한 조건과 노이즈가 있는 조건에서의 화자 인식에서 음성 활동 검출(SAD) 기법을 평가한다. 두 개의 가우시안 모델링 기반 SAD가 다른 방법들보다 뛰어나며, 특히 노이즈가 있는 환경에서 GMM-UBM 분류기와 통합될 경우에 더욱 뛰어난 성능을 보인다.

ABSTRACT

Speech activity detection (SAD) is an essential component for a variety of speech processing applications. It has been observed that performances of various speech based tasks are very much dependent on the efficiency of the SAD. In this paper, we have systematically reviewed some popular SAD techniques and their applications in speaker recognition. Speaker verification system using different SAD technique are experimentally evaluated on NIST speech corpora using Gaussian mixture model- universal background model (GMM-UBM) based classifier for clean and noisy conditions. It has been found that two Gaussian modeling based SAD is comparatively better than other SAD techniques for different types of noises.

연구 동기 및 목표

• 다양한 음성 활동 검출(SAD) 기법이 화자 인식 성능에 미치는 영향을 평가하기 위해.
• 청결한 환경와 노이즈가 있는 환경에서 SAD의 효과성을 평가하기 위해.
• 화자 확인 시스템에 사용하기 위한 가장 강건한 SAD 방법을 특정하기 위해.
• 표준화된 GMM-UBM 분류기 프레임워크를 사용하여 다양한 SAD 기법의 성능을 비교하기 위해.

제안 방법

• 연구는 핵심 분류기로 GMM-UBM 기반 화자 확인 시스템을 사용한다.
• 다양한 SAD 기법이 입력 오디오의 음성 및 비음성 세그먼트를 분할하는 데 적용된다.
• 비교 기준으로 두 개의 가우시안 모델링 기반 SAD가 구현된다.
• 실험은 청결한 조건과 노이즈가 있는 조건에서 NIST 음성 코퍼스를 대상으로 수행된다.
• 성능 평가는 표준 화자 인식 지표를 사용하며, SAD 출력은 GMM-UBM 분류기의 조건으로 사용된다.
• SAD 기법들은 화자 확인 정확도에 미치는 영향을 바탕으로 체계적으로 비교된다.

실험 결과

연구 질문

• RQ1 청결한 음성 조건에서 어떤 SAD 기법이 가장 높은 화자 확인 정확도를 달성하는가?
• RQ2 다양한 SAD 방법은 열악한(노이즈가 있는) 음성 조건에서 어떻게 성능을 보이는가?
• RQ3 두 개의 가우시안 모델링 기반 SAD는 노이즈에 대한 강건성 측면에서 다른 SAD 기법들보다 뛰어나다고 할 수 있는가?
• RQ4 SAD 선택은 GMM-UBM 화자 확인 시스템의 전체 성능에 어떻게 영향을 미치는가?

주요 결과

• 두 개의 가우시안 모델링 기반 SAD 기법은 청결한 조건과 노이즈가 있는 조건에서 다른 SAD 기법들보다 뛰어난 성능을 보였다.
• 이 SAD 기법은 음성 코퍼스의 다양한 종류의 배경 노이즈에 대해 더 강건함을 보였다.
• 화자 확인 정확도 향상은 특히 노이즈가 있는 환경에서 가장 두드러졌다.
• 기타 SAD 기법들은 노이즈 수준이 증가할수록 효과성이 감소하는 반면, 두 개의 가우시안 모델은 안정성을 유지했다.