論文の概要: NeuraGen-A Low-Resource Neural Network based approach for Gender Classification

• arxiv url: http://arxiv.org/abs/2203.15253v1
• Date: Tue, 29 Mar 2022 05:57:24 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-31 05:19:09.920045
• Title: NeuraGen-A Low-Resource Neural Network based approach for Gender Classification
• Title（参考訳）: NeuraGen - ジェンダー分類のための低リソースニューラルネットワークによるアプローチ
• Authors: Shankhanil Ghosh (1), Chhanda Saha (1) and Naagamani Molakathaala (1) ((1) School of Computer and Information Sciences, University of Hyderabad, Hyderabad, India)
• Abstract要約: ELSDSRとTIMITデータセットから収集した音声記録を用いた。 我々は、8つの音声特徴を抽出し、その特徴を前処理し、その後NeuraGenに入力し、性別を特定した。 NeuraGenは90.7407%、F1スコア91.227%、20倍のクロス検証データセットを達成している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Human voice is the source of several important information. This is in the form of features. These Features help in interpreting various features associated with the speaker and speech. The speaker dependent work researchersare targeted towards speaker identification, Speaker verification, speaker biometric, forensics using feature, and cross-modal matching via speech and face images. In such context research, it is a very difficult task to come across clean, and well annotated publicly available speech corpus as data set. Acquiring volunteers to generate such dataset is also very expensive, not to mention the enormous amount of effort and time researchers spend to gather such data. The present paper work, a Neural Network proposal as NeuraGen focused which is a low-resource ANN architecture. The proposed tool used to classify gender of the speaker from the speech recordings. We have used speech recordings collected from the ELSDSR and limited TIMIT datasets, from which we extracted 8 speech features, which were pre-processed and then fed into NeuraGen to identify the gender. NeuraGen has successfully achieved accuracy of 90.7407% and F1 score of 91.227% in train and 20-fold cross validation dataset.
• Abstract（参考訳）: 人間の声はいくつかの重要な情報の源です。 これは特徴の形式です。 これらの特徴は、話者と音声に関連する様々な特徴を解釈するのに役立つ。 話者依存型作業研究者は、話者識別、話者認証、話者生体計測、特徴を用いた法医学、および音声および顔画像によるクロスモーダルマッチングを対象とする。 このような文脈研究において、クリーンで、注釈付きで公開されている音声コーパスをデータセットとして扱うことは非常に困難である。 このようなデータセットを生成するためのボランティアの獲得も非常に費用がかかり、研究者がデータ収集に費やす膨大な労力と時間も言うまでもない。 本稿では,低リソースのANNアーキテクチャであるNeuraGenによるニューラルネットワークの提案について述べる。 音声記録から話者の性別を分類するためのツールが提案されている。 我々は,ELSDSRから収集した音声記録と限定TIMITデータセットを用いて,前処理した8つの音声特徴を抽出し,その後NeuraGenに入力して性別を特定した。 NeuraGenは90.7407%、F1スコア91.227%、20倍のクロス検証データセットを達成している。

関連論文リスト

• Deepfake audio as a data augmentation technique for training automatic speech to text transcription models [55.2480439325792]
  本稿では,ディープフェイク音声に基づくデータ拡張手法を提案する。 インド人(英語)が生成したデータセットが選択され、単一のアクセントの存在が保証された。
  論文  参考訳（メタデータ） (2023-09-22T11:33:03Z)
• SpokenWOZ: A Large-Scale Speech-Text Benchmark for Spoken Task-Oriented Dialogue Agents [72.42049370297849]
  SpokenWOZは音声TODのための大規模音声テキストデータセットである。 SpokenWOZでは、クロスターンスロットと推論スロット検出が新たな課題である。
  論文  参考訳（メタデータ） (2023-05-22T13:47:51Z)
• Faked Speech Detection with Zero Knowledge [2.5515299924109858]
  本稿では,入力音声を実物または模倣物として盲目的に分類する分類器を開発するニューラルネットワーク手法を提案する。 提案モデルは,大規模な音声データセットから抽出した重要な特徴の集合に基づいて訓練された。 比較のために,被験者を母語話者とし,人間の検査によって音声も分類した。
  論文  参考訳（メタデータ） (2022-09-26T10:38:39Z)
• Overlapped speech and gender detection with WavLM pre-trained features [6.054285771277486]
  本稿では,フランス音声メディアにおける女性と男性間の相互作用を研究するために,重なり合う発話と性別の検出に焦点を当てる。 本稿では,膨大な音声データに基づいて事前学習を行うことの利点を生かしたWavLMモデルを提案する。 ニューラルGDは、フランスの放送ニュースALLIESデータの性別バランスの取れたサブセットに基づいてWavLM入力で訓練され、97.9%の精度が得られる。
  論文  参考訳（メタデータ） (2022-09-09T08:00:47Z)
• Speaker Identification using Speech Recognition [0.0]
  本研究は,音高,振幅,周波数などの人間の声質的特徴に基づいて,音声ファイル中の話者を識別するメカニズムを提供する。 限られたデータセットで音声表現を学習できる教師なし学習モデルを提案した。
  論文  参考訳（メタデータ） (2022-05-29T13:03:42Z)
• Self-Supervised Speech Representation Learning: A Review [105.1545308184483]
  自己教師付き表現学習法は、幅広いタスクやドメインに利益をもたらす単一の普遍的モデルを約束する。 音声表現学習は、生成的、コントラスト的、予測的という3つの主要なカテゴリで同様の進歩を経験している。 本稿では,自己指導型音声表現学習のアプローチと,他の研究領域との関係について述べる。
  論文  参考訳（メタデータ） (2022-05-21T16:52:57Z)
• Automatic Dialect Density Estimation for African American English [74.44807604000967]
  アフリカ・アメリカン・イングリッシュ(AAE)方言の方言密度の自動予測について検討する。 方言密度は、非標準方言の特徴を含む発話における単語の割合として定義される。 このデータベースでは,AAE音声に対する予測された真理弁証密度と地上の真理弁証密度との間に有意な相関関係を示す。
  論文  参考訳（メタデータ） (2022-04-03T01:34:48Z)
• Retrieving Speaker Information from Personalized Acoustic Models for Speech Recognition [5.1229352884025845]
  本稿では,この話者に局所的に適応したニューラル音響モデルの重み行列変化を利用して,話者の性別を復元できることを示す。 本稿では,この話者に局所的に適応したニューラル音響モデルの重み行列変化を利用するだけで,話者の性別を復元することができることを示す。
  論文  参考訳（メタデータ） (2021-11-07T22:17:52Z)
• WavLM: Large-Scale Self-Supervised Pre-Training for Full Stack Speech Processing [102.45426364965887]
  そこで本研究では,フルスタックダウンストリーム音声タスクを解決するための,事前学習型モデルWavLMを提案する。 WavLMはHuBERTフレームワークに基づいて構築されており、音声コンテンツモデリングと話者アイデンティティ保存の両方に重点を置いている。 トレーニングデータセットを60k時間から94k時間までの公開オーディオデータにスケールアップし、そのトレーニング手順を最適化して表現抽出を改善する。
  論文  参考訳（メタデータ） (2021-10-26T17:55:19Z)
• Speaker-Conditioned Hierarchical Modeling for Automated Speech Scoring [60.55025339250815]
  本研究では、話者条件付き階層型モデリングと呼ばれる非ネイティブASSのための新しいディープラーニング手法を提案する。 本手法では, 口腔熟練度テストが候補に対して複数の応答を評価できるという事実を生かして, 候補に対して複数の応答を評価できる。これらの応答からコンテキストを抽出し, ネットワークに付加的な話者固有のコンテキストとして与えて, 特定の応答をスコアする。
  論文  参考訳（メタデータ） (2021-08-30T07:00:28Z)
• Few Shot Text-Independent speaker verification using 3D-CNN [0.0]
  我々は,ごく少数の学習データを用いて話者の身元を検証するための新しい手法を提案してきた。 VoxCeleb1データセットで行った実験によると、非常に少ないデータでトレーニングしても、提案されたモデルの精度は、テキストに依存しない話者検証において、アートモデルの状態に近い。
  論文  参考訳（メタデータ） (2020-08-25T15:03:29Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。