基于似然比框架的法庭说话人自动识别系统构建与验证

为了探究法庭说话人自动识别技术在司法实践中的应用价值,研究使用深度神经网络提取说话人身份向量,并构建了基于d-vector PLDA的法庭说话人自动识别系统,选用开源语音数据集VoxCeleb1和VoxCeleb2作为系统评测语料,在似然比框架下,利用不同采样率的语音数据和不同规模的训练数据集进行了系统测试和性能验证实验。结果表明,基于d-vector PLDA模型的法庭说话人识别系统识别性能优良,在司法语音实践中具有良好的潜力和应用前景,而基于高采样率语音数据的训练测试和较大规模PLDA自适应训练数据集的系统识别效果更佳。

网络媒体语音的法庭说话人识别

司法实践中,案件语音数据的来源场景丰富多样,而不同场景的语音数据对法庭说话人识别的影响程度也有所差别。为了量化评估网络媒体场景下语音对法庭说话人识别的影响,验证该场景下法庭说话人自动识别系统的性能,采集了150名男性的网络媒体语音音频,基于深度神经网络模型的法庭说话人自动识别系统和似然比框架方法,进行了系列说话人识别测试和系统性能验证实验。通过对不同采样率、不同规模校准集、不同音频数量及不同音频时长条件下识别结果的分析与比较,测试验证了法庭说话人识别系统在该类场景下的良好识别性能,并量化评估了上述因素对系统识别性能的影响程度,进而为法庭说话人识别的研究与实践提供参考依据。