论文解读
To Be Multimodal or Not to Be: Query-Adaptive Audio-Visual Person Retrieval via Active Modality Detection
说话人识别 | 6.8/10
说话人识别 | 6.8/10
说话人验证 | 5.5/10
Evaluating voice anonymisation using similarity rank disclosure
TARNet: A Temporal-Aware Multi-Scale Architecture for Closed-Set Speaker Identification
音频检索 | 6.0/10
说话人识别 | 7.5/10
模型评估 | 7.5/10
实时处理 | 7.0/10
音频深度伪造检测 | 8.0/10
语音编码器 | 7.5/10
语音生物标志物 | 7.0/10
说话人识别 | 7.5/10
语音合成 | 7.5/10
共 1 篇 ICASSP 2026 说话人识别 方向论文
语音匿名化 | 7.5/10
语音匿名化 | 7.0/10
说话人验证 | 7.5/10
说话人识别 | 7.5/10
这篇论文旨在探究自监督语音模型(S3M)的不公平性究竟在模型的哪个层级产生。研究团队采用了一种轻量级的线性探针方法,在多个S3M(如WavLM, Wav2Vec2, BEST-RQ, Whisper)的每一层嵌入上,同时评估了说话人识别(SID)和自动语音识别(ASR)任务的整体性能及对不同说话人组
本文旨在解决开放集说话人识别中的鲁棒性问题,即系统在仅有少量目标说话人注册样本的情况下,需同时准确识别已知说话人并可靠拒识未知说话人。作者在先前SpeakerRPL V1框架基础上提出了三项关键改进: