Eigenvoices: A compact representation of speakers in model space

Titre francais: Voix propres: Vers une représentation compacte des locuteurs dans l'espace des modèles Traduction du titre des figures: Figure 1: Schéma bloc d'un système de reconnaissance de la parole Figure 2: Schéma général du système de voix propres 1 Summary: In this article, we present a new approach to modeling speaker-dependent systems. The approach was inspired by the eigenfaces techniques used in face recognition. We build a linear vector space of low dimensionality, called eigenspace, in which speakers are located. The basis vectors of this space are called eigenvoices. Each eigenvoice models a direction of inter-speaker variability. The eigenspace is built during the training phase. Then, any speaker model can be expressed as a linear combination of eigenvoices. The benefits of this technique as set forth in this article reside in the reduction of the number of parameters that describe a model. Thereby we are able to reduce the number of parameters to estimate, as well as computation and/or storage costs. We apply the approach to speaker adaptation and speaker recognition. Some experimental results are supplied. Résumé: Cet article présente une nouvelle approche inspirée de la reconnaissance d'images, adaptée et appliquée à la parole. Nous construisons un espace vectoriel de dimension réduite, appelé espace propre (eigenspace), dans lequel les locuteurs se trouvent confinés. Cet espace est constitué de vecteurs caractéristiques appelés voix propres (eigenvoices). Chaque voix propre modélise une composante de variabilité inter-locuteur. L'espace propre est construit lors de la phase d'apprentissage classique pour des systèmes liés à la parole. Un modèle du locuteur est par la suite associé à une combinaison linéaire des vecteurs de l'espace réduit des locuteurs. L'avantage de cette méthode, mis en avant dans l'article, est la réduction du nombre de paramètres caractéristiques d'un modèle. De ce fait nous réduisons le nombre de paramètres à estimer, ainsi que le temps de calcul et/ou de stockage. Cette technique est ici appliquée à l'adaptation du locuteur pour un système de reconnaissance automatique du locuteur et à la reconnaissance automatique du locuteur. Quelques résultats expérimentaux sont présentés à cette occasion.