科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对说话人识别的性能易受到情感因素影响的问题，本文提出利用片段级别特征和帧级别特征联合学习的方法。首先利用长短时记忆网络进行说话人识别任务，提取时序输出作为片段级别的情感说话人特征，保留了语音帧特征原本信息的同时加强了情感信息的表达，再利用全连接网络进一步学习片段级别特征中每一个特征帧的说话人信息来增强帧级别特征的说话人信息表示能力，最后拼接片段级别特征和帧级别特征得到最终的说话人特征以增强特征的表征能力。本文在普通话情感语音语料库（MASC）上进行实验，验证所提出方法有效性的同时，探究了片段级别特征中包含语音帧数量和不同情感状态对情感说话人识别的影响。
- 单位
