论文解读
用可学习的分组有理激活替换固定激活:KanAdapter 在语音基座模型上的并行瓶颈适配
针对全量微调语音自监督基座模型代价高、MLP 适配器表达受限的问题,KanAdapter 以并行瓶颈中的 GR-KAN 可学习有理激活替换固定激活,在说话人验证、情感识别与伪造检测上以减少 94.7% 至 97.5% 可训练参数接近全量微调,并在两阶段持续学习上相对全量微调降低 83.6% 错误率。
针对全量微调语音自监督基座模型代价高、MLP 适配器表达受限的问题,KanAdapter 以并行瓶颈中的 GR-KAN 可学习有理激活替换固定激活,在说话人验证、情感识别与伪造检测上以减少 94.7% 至 97.5% 可训练参数接近全量微调,并在两阶段持续学习上相对全量微调降低 83.6% 错误率。
针对未见说话人上情感识别易受说话人差异干扰的问题,论文用 wav2vec 2.0 做编码器、ECAPA-TDNN 做说话人判别器并以熵最大化做对抗,在 IEMOCAP 测试集报告 60.63% UA,代价是交替训练更复杂且存在原文内部数字不一致与未验证的跨库边界。
语音合成 | 7.5/10
说话人验证 | 7.8/10
说话人验证 | 5.6/10
说话人验证 | 7.1/10
说话人验证 | 6.0/10
说话人验证 | 6.0/10
说话人验证 | 5.7/10
语音交互 | 3.8/10
说话人验证 | 6.0/10
说话人验证 | 6.3/10
语音克隆 | 7.9/10
说话人验证 | 6.8/10
说话人验证 | 5.0/10
说话人验证 | 9.2/10
说话人验证 | 7.8/10
说话人验证 | 7.7/10
说话人验证 | 8.8/10
语音情感识别 | 6.7/10