Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
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 | 2024-10-23T15:18:21Z | - |
Data de disponibilização: dc.date.available | 2024-10-23T15:18:21Z | - |
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/879731 | - |
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 | - |
Tipo de arquivo: dc.type | livro digital | - |
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: