doi: 10.17586/2226-1494-2026-26-5-1077-1079


УДК 004.934

Каскадный метод поиска диктора по голосу с использованием межмодельных сравнений

Хмелев Н.А.


Читать статью полностью 
Язык статьи - русский

Ссылка для цитирования:
Хмелев Н.А. Каскадный метод поиска диктора по голосу с использованием межмодельных сравнений // Научно-технический вестник информационных технологий, механики и оптики. 2026. Т. 26, № 5. С. 1077–1079. doi: 10.17586/2226-1494-2026-26-5-1077-1079


Аннотация
Рассмотрена процедура поиска диктора по голосу в большой галерее голосов. Современные модели, предобученные методом самоконтролируемого обучения, например wav2vec 2.0, обеспечивают высокое качество поиска, но требуют значительных вычислительных затрат при извлечении дикторских эмбеддингов. Для снижения затрат предложен каскадный метод: галерея регистрируется быстрой моделью-учеником dWhisper-ASV, а запросы и проверка найденных кандидатов выполняются моделью-учителем wav2vec 2.0 XLSR-1B. Согласованность пространств эмбеддингов позволяет использовать межмодельную косинусную меру сходства. Показано, что на корпусах ClovaCall, Speech-MASSIVE и проприетарном русскоязычном RusIVR_test двухэтапный каскад достигает близких к режиму «только учитель» значений F-мера: 77,21 % против 77,24 %, 83,05 % против 83,16 % и 92,26 % против 92,63 %. На вторую стадию передаются 1,5 %, 0,2 % и 0,11 % записей, а регистрация галереи ускоряется в 8 раз.

Ключевые слова: поиск диктора по голосу, каскадный метод, межмодельное сравнение, эмбеддинги диктора, регистрация галереи

Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License
Информация 2001-2026 ©
Научно-технический вестник информационных технологий, механики и оптики.

Яндекс.Метрика