شناسايي گوينده مستقل از متن با استفاده از شبكه ي عصبي مبتني بر ترنسفورمر
دانشکده فنی و مهندسی رسانه
کارشناسی ارشد- مهندسی صدا
معصومه شفیعیان بجستانی
راهیل مهدیان
یاسر شکفته
------
------
1403-08-05
چکیده پایان نامه سيگنال گفتار يك وسيله ارتباطي است كه هميشه اطلاعات غني و مفيدي مانند لهجه، جنسيت، احساسات و ساير ويژگيهاي منحصربهفرد يك گوينده را حمل ميكنند. شناسايي گوينده فرايندي براي استخراج هويت يك گوينده با استفاده از ماشين باتوجهبه ويژگيهاي آكوستيكي گفتار داده شده است. سيستمهاي شناسايي گوينده به دو دسته مستقل از متن و وابسته به متن تقسيمبندي ميشوند كه در اين كار ما يك سيستم شناسايي گوينده مستقل از متن با استفاده از ترنسفورمر swi پيشنهاد كرديم كه توانست به نتايج مطلوبي بر روي مجموعهداده librispeech دست پيدا كند سيستم ما توانست به ترتيب به دقت ۸۶ /۹۹ درصد و ۸۱۷/۹۹ درصد بر روي زيرمجموعه train-clean-۳۶۰ و train-other-۵۰۰ از مجموعهداده كه داراي ۹۲۱ گوينده و ۱۱۶۶ گوينده هستند برسد.