| Revista: | Computación y sistemas |
| Base de datos: | PERIÓDICA |
| Número de sistema: | 000376152 |
| ISSN: | 1405-5546 |
| Autores: | Reyes Díaz, Flavio J1 Hernández Sierra, Gabriel1 Calvo de Lara, José1 |
| Instituciones: | 1Centro de Aplicaciones de Tecnologías de Avanzada, La Habana. Cuba |
| Año: | 2014 |
| Periodo: | Abr-Jun |
| Volumen: | 18 |
| Número: | 2 |
| Paginación: | 345-356 |
| País: | México |
| Idioma: | Inglés |
| Tipo de documento: | Artículo |
| Enfoque: | Experimental, aplicado |
| Resumen en español | Los sistemas de reconocimiento de locutores con frecuencia utilizan el método GMM-MAP para modelar locutores. Sin embargo, en estos modelos no todas las componentes gaussianas son representativas del locutor. Con el fin de eliminar dicha redundancia, proponemos un método de selección de gaussianas obteniendo un nuevo modelo con las componentes gaussianas más representativas. Los resultados experimentales muestran un rendimiento similar a la línea de base, no obstante los modelos obtenidos presentan una reducción del 80% respecto al modelo del locutor utilizado en la línea base. Los métodos propuestos son aplicados sobre señales de prueba más cortas, 15, 5 y 3 segundos; mejorando el EER de 0,43%, 2,64% y 1,60% respectivamente en comparación con la línea base. La aplicación del método propuesto en sistemas reales de verificación podría ser muy útil para reducir el costo computacional y la carga en memoria |
| Resumen en inglés | Speaker recognition systems frequently use GMM-MAP method for modeling speakers. This method represents the speaker using a Gaussian mixture. However, in this mixture not all Gaussian components are truly representative of the speaker. In order to remove the model redundancy, this work proposes a Gaussian selection method to achieve a new GMM model only with the more representative Gaussian components. The results of speaker verification experiments applying the proposal show a similar performance to the baseline; however, the speaker models used have a reduction of 80% compared to the speaker model used as the baseline. Our proposal was also applied to speaker recognition system with short test signals of 15, 5 and 3 seconds obtaining an improvement in EER of 0.43%, 2.64% and 1.60%, respectively, compared to the baseline. The application of this method in real or embedded speaker verification systems could be very useful for reducing computational and memory cost |
| Disciplinas: | Ciencias de la computación |
| Palabras clave: | Procesamiento de datos, Reconocimiento de voz, Verificación de locutores, Vector acumulativo, Señales cortas |
| Keyword: | Computer science, Data processing, Voice recognition, Speakers verification, Cumulative vector, Short utterances |
| Texto completo: | Texto completo (Ver HTML) |
