Identificación de locutores en entornos multilingües

Abstract

Los sistemas de identificación y verificación de locutor tienen resultados pobres cuando el modelo se entrena en un idioma mientras que las pruebas se realizan en otro. Esta situación es bastante común en entornos multilingües, en donde los usuarios deberían poder utilizar el sistema en el idioma que prefieran en cada momento, sin notar una reducción en la fiabilidad del mismo. En este trabajo se estudia la posibilidad de utilizar parámetros derivados de características prosódicas con el objetivo de reforzar la independencia del idioma de estos sistemas. Un análisis previo de las características de los parámetros en términos de variabilidad frente al idioma y la sesión predice un incremento en la robustez frente al idioma cuando parámetros MFCC tradicionales se combinan con valores de energía y entonación extraídos para cada trama. Los resultados experimentales confirman que estos parámetros proporcionan una mejor tasa de reconocimiento de locutor cuando entrenamiento y prueba se realizan con idiomas diferentes.