您当前所在位置: 首页 > 首发论文
动态公开评议须知

1. 评议人本着自愿的原则,秉持科学严谨的态度,从论文的科学性、创新性、表述性等方面给予客观公正的学术评价,亦可对研究提出改进方案或下一步发展的建议。

2. 论文若有勘误表、修改稿等更新的版本,建议评议人针对最新版本的论文进行同行评议。

3. 每位评议人对每篇论文有且仅有一次评议机会,评议结果将完全公示于网站上,一旦发布,不可更改、不可撤回,因此,在给予评议时请慎重考虑,认真对待,准确表述。

4. 同行评议仅限于学术范围内的合理讨论,评议人需承诺此次评议不存在利益往来、同行竞争、学术偏见等行为,不可进行任何人身攻击或恶意评价,一旦发现有不当评议的行为,评议结果将被撤销,并收回评审人的权限,此外,本站将保留追究责任的权利。

5. 论文所展示的星级为综合评定结果,是根据多位评议人的同行评议结果进行综合计算而得出的。

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

上传后印本

( 请提交PDF文档 )

* 后印本是指作者提交给期刊的预印本,经过同行评议和期刊的编辑后发表在正式期刊上的论文版本。作者自愿上传,上传前请查询出版商所允许的延缓公示的政策,若因此产生纠纷,本站概不负责。

发邮件给 王小芳 *

收件人:

收件人邮箱:

发件人邮箱:

发送内容:

0/300

论文收录信息

论文编号 202504-171
论文题目 基于时间尺度聚合的短语音说话人识别
文献类型
收录
期刊

上传封面

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

编者.论文集名称(中文) [c].

出版地 出版社 出版年-

编者.论文集名称(英文) [c].

出版地出版社 出版年-

上传封面

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

英文作者写法:

中外文作者均姓前名后,姓大写,名的第一个字母大写,姓全称写出,名可只写第一个字母,其后不加实心圆点“.”,

作者之间用逗号“,”分隔,最后为实心圆点“.”,

示例1:原姓名写法:Albert Einstein,编入参考文献时写法:Einstein A.

示例2:原姓名写法:李时珍;编入参考文献时写法:LI S Z.

示例3:YELLAND R L,JONES S C,EASTON K S,et al.

上传修改稿说明:

1.修改稿的作者顺序及单位须与原文一致;

2.修改稿上传成功后,请勿上传相同内容的论文;

3.修改稿中必须要有相应的修改标记,如高亮修改内容,添加文字说明等,否则将作退稿处理。

4.请选择DOC或Latex中的一种文件格式上传。

上传doc论文   请上传模板编辑的DOC文件

上传latex论文

* 上传模板导出的pdf论文文件(须含页眉)

* 上传模板编辑的tex文件

回复成功!


  • 0

基于时间尺度聚合的短语音说话人识别

首发时间:2025-04-18

王逸轩 1   

王逸轩(1999-),男,硕士研究生,主要研究方向:语音识别,说话人识别

别红霞 1   

别红霞(1971-),女,教授、博导,主要研究方向:多媒体信息智能与传输、工业大数据智能、智能边缘计算

  • 1、北京邮电大学人工智能学院,北京市,100876

摘要:说话人识别技术基于个体语音特征进行身份区分,广泛应用于语音助手、智能安防等领域。然而,短语音数据由于时长有限,难以提取稳定的说话人特征,严重影响识别准确率。传统的多尺度特征聚合方法大多侧重于通道维度上的信息融合,可能无法充分捕捉短语音场景下关键的时序动态信息。本文提出了一种基于时序特征的多尺度特征聚合方法。该方法通过构建多尺度特征提取模块,有效捕捉短语音中的局部和全局时序特征。该方法可以增强不同尺度特征的互补性,在模型规模减小50%的情况下,并实现约1%的准确率提升。

关键词: 人工智能 说话人识别 短语音 特征聚合?????

For information in English, please click here

Short Speech Speaker Recognition Based on Time-Scale Aggregation

WANG Yixuan 1   

王逸轩(1999-),男,硕士研究生,主要研究方向:语音识别,说话人识别

BIE Hongxia 1   

别红霞(1971-),女,教授、博导,主要研究方向:多媒体信息智能与传输、工业大数据智能、智能边缘计算

  • 1、School of Artificial Intelligence, Beijing University of Posts and Telecommunications, Beijing, 100876

Abstract:Speaker recognition distinguishes identities based on individual voice features and is widely used in voice assistants and security systems. Short speech data, due to its limited duration, makes it difficult to extract stable speaker features, which reduces recognition accuracy. Traditional multi-scale feature aggregation methods often focus on information fusion along the channel dimension but may miss important temporal dynamics in short speech scenarios. This paper proposes a multi-scale feature aggregation method based on temporal features. A multi-scale feature extraction module captures both local and global temporal features in short speech. This approach enhances the complementarity of features at different scales, maintaining recognition accuracy even when the model size is reduced by 50%, with an accuracy improvement of approximately 1%.

Keywords: artificial intelligence speaker recognition short speech feature aggregation

Click to fold

点击收起

基金:

论文图表:

引用

导出参考文献

.txt .ris .doc
王逸轩,别红霞. 基于时间尺度聚合的短语音说话人识别[EB/OL]. 北京:中国科技论文在线 [2025-04-18]. https://www.paper.edu.cn/releasepaper/content/202504-171.

No.****

动态公开评议

共计0人参与

动态评论进行中

评论

全部评论

0/1000

勘误表

基于时间尺度聚合的短语音说话人识别