Aprendizado de Representação Desentrelaçada para Reconhecimento de Falantes Independente do Ambiente

Este trabalho apresenta uma estrutura baseada no desentrelaçamento de características para aprender incorporações de falantes que são robustas a variações ambientais. Nossa estrutura utiliza um autoencoder como desentrelaçador, dividindo a incorporação de entrada do falante em componentes relacionados ao falante e outras informações residuais. Empregamos um grupo de funções objetivas para garantir que a representação de código do autoencoder - usada como a incorporação refinada - condense apenas as características do falante. Mostramos a versatilidade de nossa estrutura através de sua compatibilidade com qualquer extrator de incorporação de falante existente, não requerendo modificações estruturais ou adaptações para integração. Validamos a eficácia de nossa estrutura incorporando-a em dois extratores de incorporação amplamente utilizados e conduzindo experimentos em vários benchmarks. Os resultados mostram uma melhoria de desempenho de até 16%. Liberamos nosso código para este trabalho estar disponível aqui.