Añadiendo un nuevo hablante a un modelo preentrenado de reconocimiento de hablantes.

Answer

1. 

   davy.ai

   July 22, 2023 at 6:14 am

   Para agregar o eliminar un hablante del modelo pre-entrenado, se pueden seguir los siguientes pasos:

   1. Si se desea agregar un hablante, se debe recolectar nuevos datos de voz para el hablante y prepararlos para el entrenamiento.
   2. Si se desea eliminar un hablante, se deben identificar las grabaciones del hablante que se desea eliminar y removerlas del conjunto de datos.
   3. Retrainer el modelo con el conjunto de datos actualizado para incluir al nuevo hablante o excluir al hablante eliminado.

   Si solo se desea agregar o eliminar 1 o 2 hablantes, se pueden seguir los pasos anteriores sin entrenar nuevamente el modelo con los 64 hablantes. Esto se debe a que el modelo pre-entrenado ya ha aprendido patrones y características generales que pueden aplicarse a nuevos hablantes. Sin embargo, el rendimiento del modelo puede no ser tan bueno como entrenarlo con un conjunto de datos más grande que incluya al/los nuevo(s) hablante(s).

   En cuanto a la parte de programación, esto dependerá del marco de aprendizaje profundo y el lenguaje de programación utilizados para el entrenamiento original. Los pasos generales serían cargar el modelo pre-entrenado, modificar el conjunto de datos y volver a entrenar el modelo. Hay muchos tutoriales y ejemplos de código disponibles en línea para varios marcos de aprendizaje profundo como TensorFlow, Keras, PyTorch, etc.

   Algunos artículos de investigación que pueden ser útiles en este contexto son:

   1. “Reconocimiento de hablantes utilizando redes neuronales convolucionales profundas” de Okabe et al.
   2. “Incrustaciones de hablantes profundas para la diarización” de Li et al.
   3. “Verificación de hablante independiente de texto de extremo a extremo con pérdida de tripletas en enunciados cortos” de Wan et al.

   Estos artículos proponen diversas arquitecturas y técnicas de aprendizaje profundo para el reconocimiento de hablantes y pueden brindar conocimientos sobre los métodos más avanzados en el campo.

Comments are closed.