Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.creator | D’Almeida, Frederico Quadros | - |
Autor(es): dc.creator | Nascimento, Francisco Assis de Oliveira | - |
Autor(es): dc.creator | Berger, Pedro de Azevedo | - |
Autor(es): dc.creator | Silva, Lúcio Martins da | - |
Data de aceite: dc.date.accessioned | 2024-07-22T11:42:59Z | - |
Data de disponibilização: dc.date.available | 2024-07-22T11:42:59Z | - |
Data de envio: dc.date.issued | 2012-07-16 | - |
Data de envio: dc.date.issued | 2012-07-16 | - |
Data de envio: dc.date.issued | 2008 | - |
Fonte completa do material: dc.identifier | http://repositorio.unb.br/handle/10482/10945 | - |
Fonte completa do material: dc.identifier | https://dx.doi.org/10.5769/J200801006 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/787041 | - |
Descrição: dc.description | Multiconditional Modeling is widely used to create noise-robust speaker recognition systems. However, the approach is computationally intensive. An alternative is to optimize the training condition set in order to achieve maximum noise robustness while using the smallest possible number of noise conditions during training. This paper establishes the optimal conditions for a noise-robust training model by considering audio material at different sampling rates and with different coding methods. Our results demonstrate that using approximately four training noise conditions is sufficient to guarantee robust models in the 60 dB to 10 dB Signal-to-Noise Ratio (SNR) range. | - |
Formato: dc.format | application/pdf | - |
Publicador: dc.publisher | Brazilian Association of High Technology Experts (ABEAT) | - |
Direitos: dc.rights | Acesso Aberto | - |
Direitos: dc.rights | Disponível sob Licença Creative Commons 3.0, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta. | - |
Palavras-chave: dc.subject | Voz - ruído | - |
Palavras-chave: dc.subject | Interação homem-máquina | - |
Palavras-chave: dc.subject | Compressão de dados (Computação) | - |
Palavras-chave: dc.subject | Reconhecimento automático da voz | - |
Título: dc.title | Noise-robust speaker recognition using reduced Multiconditional Gaussian Mixture models | - |
Aparece nas coleções: | Repositório Institucional – UNB |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: