Speaker Verification System

Abstract

จุดมุ่งหมายในการทําวิจัยชิ้นนี้คือการพัฒนาวิธีการฝึกฝนโมเดลทางคณิตศาสตร์เพื่อนําไปใช้งานสําหรับ ระบบยืนยันตัวผู้พูดด้วยเสียงภายใต้สถานการณ์จริงและไม่มีรูปแบบของ ความหมายหรือคําพูดจากผู้พูด (text-independent) ซึ่งเน้นไปที่ การประยุกต์ใช้และเปรียบเทียบผลลัพธ์ที่ได้จากโครงข่ายประสาทแบบคอนโวลูชัน เพื่อที่จะเรียนรู้ตัวแทนของเสียง โดยการฝึกฝนด้วยฟังก์ชันซอฟต์แม็กซ์และทริปเลต นอกจากนี้เรายังนําเสนอวิธีการฝึกฝนโมเดลรูปแบบการเรียนรู้ได้หลากหลายงานในเวลาเดียวกัน (multitasking) โดยทําการแยกเพศของผู้พูด และทําการระบุตัวผู้พูดไปพร้อม ๆ กัน การทดลองในวิทยานิพนธ์ฉบับนี้ จะทําการทดลองบนชุดข้อมูลที่ถูกแบ่งออกมาจาก VoxCeleb2 แต่ทํา การวัดผลในชุดข้อมูล VoxCeleb1 ที่มีความนิยมวัดผลเพื่อเทียบเปรียบกัน ทั่วไป ผลลัพธ์จากการทดลองพบว่าการทดลองที่ฝึกฝนโมเดลรูปแบบการเรียนรู้ได้หลากหลายงานในเวลา เดียวกัน มีประสิทธิภาพที่ดีกว่าการทดลองที่พยายามทําซ้ำงานวรรณกรรมที่ทบทวน แต่ถึงอย่างไรก็ตามเรายังไม่ สามารถบอกได้ว่ามีประสิทธิภาพที่ดีกว่าวรรณกรรม ที่ทบทวนจริง ๆหรือไม่ แต่มีแนวโน้มที่จะดีกว่าถ้าหากใช้ ปริมาณข้อมูลจํานวนที่เท่ากันกับวรรณกรรมที่อ้างอิง