[论文解读] Emirati Speaker Verification Based on HMM1s, HMM2s, and HMM3s

Ismail Shahin|arXiv (Cornell University)|Jul 2, 2017

Speech Recognition and Synthesis参考文献 17被引用 5

一句话总结

本文提出并评估了用于阿联酋方言语音的非文本依赖说话人验证的HMM1、HMM2和HMM3模型，基于一个包含50名母语者的自定义数据库。HMM3模型表现最佳，与人工听者评估结果非常接近，证明其在低资源、方言特定的说话人识别任务中，在中性声学环境下的有效性。

ABSTRACT

This work focuses on Emirati speaker verification systems in neutral talking environments based on each of First-Order Hidden Markov Models (HMM1s), Second-Order Hidden Markov Models (HMM2s), and Third-Order Hidden Markov Models (HMM3s) as classifiers. These systems have been evaluated on our collected Emirati speech database which is comprised of 25 male and 25 female Emirati speakers using Mel-Frequency Cepstral Coefficients (MFCCs) as extracted features. Our results show that HMM3s outperform each of HMM1s and HMM2s for a text-independent Emirati speaker verification. The obtained results based on HMM3s are close to those achieved in subjective assessment by human listeners.

研究动机与目标

• 开发并评估专用于阿联酋方言（一种低资源、研究不足的方言）的说话人验证系统。
• 研究一阶、二阶和三阶隐马尔可夫模型（HMM1、HMM2、HMM3）在阿联酋语音说话人识别中的性能。
• 评估这些模型在中性声学条件下非文本依赖说话人验证中的有效性。
• 将系统性能与人工听者主观评估进行比较，以验证其有效性。

提出的方法

• 本研究使用一个包含25名男性和25名女性母语者的自定义阿联酋语音数据库。
• 所有语音样本均提取梅尔频率倒谱系数（MFCCs）作为声学特征。
• HMM1、HMM2和HMM3模型作为独立分类器进行训练和测试，用于说话人验证。
• 每个模型均在非文本依赖设置下，使用标准说话人验证指标进行评估。
• 将HMM3的性能与人工听者评估结果进行直接对比，以验证其有效性。

实验结果

研究问题

• RQ1 HMM1、HMM2和HMM3在非文本依赖的阿联酋说话人验证中的性能如何比较？
• RQ2 HMM3能否在阿联酋说话人识别中达到接近人工听者准确率的性能？
• RQ3 HMM模型在中性环境下对低资源方言（如阿联酋阿拉伯语）的说话人识别任务中有多有效？
• RQ4 模型阶数（HMM1 vs HMM2 vs HMM3）对阿联酋语音说话人验证准确率的相对影响如何？

主要发现

• HMM3在非文本依赖的阿联酋说话人验证任务中优于HMM1和HMM2。
• HMM3的性能与人工听者在主观评估中达到的水平非常接近。
• HMM1和HMM2的性能低于HMM3，表明高阶模型更适合此任务。
• 使用MFCC作为特征在捕捉阿联酋阿拉伯语中的说话人特异性特征方面非常有效。