Konstrukce modelu okolí pro verifikaci řečníka využívající GMM

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F04%3A00000164" target="_blank" >RIV/49777513:23520/04:00000164 - isvavai.cz</a>

Nalezeny alternativní kódy

RIV/49777513:23520/04:00000034

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

On the background model construction for speaker verification using GMM

Popis výsledku v původním jazyce

A method of speaker verification based on Gaussian mixture models is presented in this paper. The method works with a background model which is composed of several submodels. Several different approaches for construction of the background model from thesubmodels are introduced here: the log likelihood of the background model is determined either as the average of the log likelihoods of the particular submodels, or a maximum from the log likelihoods of the particular submodels is selected. A large number of experiments was performed in order to find which of the approaches gives the best result. All experiments show that procedures which use a maximum of the log likelihoods of the background submodels have better performance than the procedure which uses the average log likelihood.

Název v anglickém jazyce

On the background model construction for speaker verification using GMM

Popis výsledku anglicky

A method of speaker verification based on Gaussian mixture models is presented in this paper. The method works with a background model which is composed of several submodels. Several different approaches for construction of the background model from thesubmodels are introduced here: the log likelihood of the background model is determined either as the average of the log likelihoods of the particular submodels, or a maximum from the log likelihoods of the particular submodels is selected. A large number of experiments was performed in order to find which of the approaches gives the best result. All experiments show that procedures which use a maximum of the log likelihoods of the background submodels have better performance than the procedure which uses the average log likelihood.

Druh

J_x - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)

CEP obor

JD - Využití počítačů, robotika a její aplikace

OECD FORD obor

—

Projekt

<a href="/cs/project/GA102%2F02%2F0124" target="_blank" >GA102/02/0124: Hlasové technologie v podpoře informační společnosti</a><br>

Návaznosti

Z - Vyzkumny zamer (s odkazem do CEZ)

Rok uplatnění

2004

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název periodika

Lecture Notes in Artificial Intelligence

ISSN

0302-9743

e-ISSN

—

Svazek periodika

—

Číslo periodika v rámci svazku

—

Stát vydavatele periodika

DE - Spolková republika Německo

Počet stran výsledku

8

Strana od-do

425

Kód UT WoS článku

—

EID výsledku v databázi Scopus

—