《表1 TDNN性能：I-vector聚类字典及注意力机制框架的说话人自适应》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《I-vector聚类字典及注意力机制框架的说话人自适应》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

TDNN的相关实验结果如表1所示.其中基线的性能为13.2，第2行为输入拼上100维i-vector训练TDNN网络作为对比试验的性能为相较于基线相对提升为5.3%.本文的提出的i-vector聚类字典框架的性能如第3行所示，性能虽不及直接拼上i-vector的模型，但是相对于基线相对提升3.0%.辅助网络的配置为2层DNN隐层，具体参数为360*1024+1024*5000.从实验结果看，利用i-vector字典，通过模拟Attention的机制学习字典的权重系数来获得说话人信息的方式是有效的，虽然性能不及直接在输入拼上i-vector的性能，但是该方法具有在解码时，不需要得到整句话来提取i-vector，可以用于线上自适应的优点.