基于条件Wasserstein生成对抗网络的说话人辨认研究

来源：计算机应用与软件杂志2025年第8期北京时间：

作者：张高峰, 刘天, 解晓敏, 马群

摘要：在低资源场景下，由于传统的说话人辨认方法无法提取大量有效信息来训练网络，导致模型发生过拟合现象。受GAN在图像领域成功应用的启发，提出基于条件Wasserstein生成对抗网络C-WGAN的说话人辨认方法。该方法将真实样本的FBANK特征作为条件输入到生成器中以控制生成指定的模拟样本，并采用Wasserstein距离来衡量两个语音特征分布之间的距离，得到稳定的训练环境，避免了模式崩溃。实验结果表明，该方法的分类错误率CER 降低至1.96%,相对基线方法x-vector和CNN分别降低了67.2%和53.9%,同时在低采样率的情况下，该方法的识别准确率表现出很强的竞争力。

关键词：说话人辨认, 生成对抗网络, Wasserstein 距离