Меню
Публикации
2026
2025
2024
2023
2022
2021
2020
2019
2018
2017
2016
2015
2014
2013
2012
2011
2010
2009
2008
2007
2006
2005
2004
2003
2002
2001
Главный редактор
НИКИФОРОВ
Владимир Олегович
д.т.н., профессор
Партнеры
doi: 10.17586/2226-1494-2026-26-5-1077-1079
УДК 004.934
Каскадный метод поиска диктора по голосу с использованием межмодельных сравнений
Читать статью полностью
Язык статьи - русский
Ссылка для цитирования:
Аннотация
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

