The aim of this work is to improve

The aim of this work is to improve the performance of the method by using phonetic
modeling instead of the GMM scheme as anchor models and to develop text-independent
speaker recognition system that can perform accurately with very short reference speech. A
GMM-based acoustic model covers all phonetic events for each speaker. It can represent an
overall difference in acoustic features between speakers, however, it cannot represent a
difference in pronunciation. Consequently, we propose the method to detect the detailed
difference in phonetic features and try to use it as information for speaker recognition.

Kết quả (Việt) 1:

Mục đích của việc này là để cải thiện hiệu suất của các phương pháp bằng cách sử dụng ngữ âmMô hình thay vì các đề án GMM như neo các mô hình và phát triển độc lập văn bảncông nhận hệ thống loa có thể thực hiện một cách chính xác với tài liệu tham khảo rất ngắn bài phát biểu. AGMM dựa trên mô hình âm thanh bao gồm tất cả các sự kiện phát âm cho mỗi loa. Nó có thể đại diện cho mộttổng thể khác biệt trong tính năng âm thanh giữa loa, Tuy nhiên, nó không thể đại diện cho mộtsự khác biệt trong cách phát âm. Do đó, chúng tôi đề xuất các phương pháp để phát hiện các chi tiếtsự khác biệt trong tính năng phát âm và cố gắng sử dụng nó như là thông tin nhận dạng loa.

Kết quả (Việt) 2:

Mục đích của việc này là để cải thiện hiệu suất của phương pháp này bằng cách sử dụng ngữ âm
mô hình thay vì chương trình GMM như mô hình neo và phát triển văn bản độc lập với
hệ thống nhận dạng loa có thể thực hiện một cách chính xác với bài phát biểu tham khảo rất ngắn. Một
mô hình âm GMM dựa trên bao gồm tất cả các sự kiện âm cho mỗi loa. Nó có thể đại diện cho một
sự khác biệt về tính năng âm thanh giữa loa, tuy nhiên, nó không thể đại diện cho một
sự khác biệt trong cách phát âm. Do đó, chúng tôi đề xuất các phương pháp để phát hiện các chi tiết
khác biệt trong tính năng ngữ âm và cố gắng sử dụng nó như là thông tin công nhận loa.