基于通道门控的Res2Net说话人识别

来源：计算机应用与软件杂志2025年第12期北京时间：

作者：赵 宏, 游豪杰, 王伟杰

摘要：针对当前说话人识别模型提取声纹特征辨识力较弱，无法精准地辨识说话人身份的问题，提出一种基于通道门控的Res2Net（CG-Res2Net）说话人识别算法。该算法通过Res2Net在一个残差块内建立层次化的残差连接，提高系统的声纹特征提取能力；在残差连接特征组之间采用通道门控机制，对声纹特征中重要通道和相对无用的通道分别赋予较高和较弱的权重。VoxCeleb1-test实验结果表明，CG-Res2Net的EER（Equal Error Rate）和minDCF（Minimum Detection Cost Function）两个评价指标优于Res2Net。相较于ResNet网络，EER和minDCF分别提升了38.05%和17.95%，相较于SE-Res2Net网络，EER和minDCF分别提升了17.5%和4.47%。

关键词：说话人识别, 残差连接, 多尺度特征, 通道门控, CG-Res2Net