文章链接
参考

关键词

说话人识别、DNN、数据增强、x-vectors

主要工作

本文所用的DNN可接受任意长度的输入，并转换成固定长度的表达（即x-vector）。
（在训练数据量不足的情况下，采用了数据增强）
（与 i-vector 对比，发现数据增强对 i-vector 没有帮助，但对 x-vector DNN 帮助很大）

本文所用DNN的结构可参见另一篇文章（文章链接），如图所示：

包括多层时间延迟结构、1层统计池化层、2层全连接层（隐藏层）、以及一层softmax。

使用交叉熵损失函数进行训练。