Aprendizaje de Representaciones Desenredadas para el Reconocimiento de Habla Independiente del Entorno

Este trabajo presenta un marco basado en el desenredo de características para aprender incrustaciones de hablantes que son robustas a las variaciones ambientales. Nuestro marco utiliza un auto-codificador como desenredador, dividiendo la incrustación de hablante de entrada en componentes relacionados con el hablante y otra información residual. Empleamos un grupo de funciones objetivo para asegurar que la representación de código del auto-codificador - utilizada como la incrustación refinada - condense solo las características del hablante. Mostramos la versatilidad de nuestro marco a través de su compatibilidad con cualquier extractor de incrustación de hablante existente, sin requerir modificaciones estructurales o adaptaciones para la integración. Validamos la efectividad de nuestro marco al incorporarlo en dos extractores de incrustación utilizados comúnmente y realizar experimentos en varios puntos de referencia. Los resultados muestran una mejora en el rendimiento de hasta el 16%. Publicamos nuestro código para este trabajo y podrá ser accesible en https://github.com/kaistmm/voxceleb-disentangler