研究文章
数据驱动的决策支持系统使用E-Vector说话人识别系统
表6
比较平均micro-F1and性病。Dev.小类SD multiple-utterance识别。
|
| 小类 |
不同的模型 |
| GMM |
嗯 |
| E-vector |
MFCC |
HDCC |
E-vector |
MFCC |
HDCC |
|
| Avg。 |
↑0.982 |
0.978 |
0.862 |
↑0.935 |
0.924 |
0.879 |
| 性病,戴夫。 |
↓0.018 |
0.023 |
0.139 |
↓0.039 |
↓0.039 |
0.090 |
|
|
不同的语料数据库 |
| TIMIT |
LibriSpeech |
| E-vector |
MFCC |
HDCC |
E-vector |
MFCC |
HDCC |
|
| Avg。 |
↑0.936 |
0.930 |
0.771 |
↑0.982 |
0.972 |
0.971 |
| 性病,戴夫。 |
↓0.035 |
0.037 |
0.071 |
↓0.025 |
0.034 |
0.029 |
|
|
