論文題目：Task-Agnostic Structured Pruning of Speech Representation Models
論文作者：王皓宇，王思遠，張衛(wèi)強，萬玉龍
論文單位：清華大學，OPPO
核心內容：近年來，基于無監(jiān)督預訓練技術的語音表征模型為許多語音任務帶來了顯著的進步，但另一方面，這些模型通常包括大量的參數(shù)，對硬件平臺的計算能力和內存空間有很高的要求。為了將大模型部署到生產(chǎn)環(huán)境，模型壓縮技術至關重要。結構化剪枝不需要特殊硬件就可以實現(xiàn)參數(shù)壓縮和推理加速，是一種對硬件友好的模型壓縮方法，但同時也會帶來較大的性能損失。為了彌補性能損失，我們提出了一種細粒度的注意力頭剪枝方法；除此之外，我們將梯度直通估計（Straight Through Estimator，STE）引入到L0正則化剪枝方法中，讓模型參數(shù)的分布更加緊湊，從而實現(xiàn)了進一步的加速。我們在SUPERB排行榜上的實驗表明，我們的壓縮模型比Wav2vec 2.0 Base模型平均性能更好，同時參數(shù)量比前者減少30%，推理時間比前者減少50%。
論文題目：SEF-Net: Speaker Embedding Free Target Speaker Extraction Network
論文作者：曾邦，索宏彬，李明
論文單位：武漢大學，昆山杜克大學，OPPO
核心內容：主流的目標說話人分離方法使用目標人的聲紋embedding作為參考信息。獲取聲紋embedding的方式主要有兩種：一是使用預訓練的說話人識別模型進行聲紋提取，二是采用多任務學習聯(lián)合訓練說話人識別模型來提取聲紋。然而，由這兩種方案的聲紋提取模塊都是面向說話人識別任務進行最優(yōu)化訓練的，所提取的聲紋embedding對于目標說話人分離任務可能并不是最優(yōu)的。本文提出一種新穎的、不依賴于聲紋embedding的時域目標說話人分離網(wǎng)絡SEF-Net。SEF-Net在Transformer解碼器中使用跨多頭注意力來隱式地學習注冊語音的Conformer編碼輸出中的說話人信息并進行目標說話人分離。實驗結果表明，SEF-Net與其他主流目標說話人提取模型相比具有可比性的性能。SEF-Net為在不使用預訓練說話人識別模型或說話人識別損失函數(shù)的情況下進行目標說話人提取提供了新的可行方案。
論文題目：Robust Audio Anti-Spoofing Countermeasure with Joint Training of Front-End and Back-End Models
論文作者：王興明，曾邦，萬玉龍，李明
論文單位：武漢大學，昆山杜克大學，OPPO
核心內容：很多語音信號處理系統(tǒng)的準確性和可靠性在噪聲環(huán)境下往往會急劇下降。本文討論了在噪聲環(huán)境中的魯棒偽造語音檢測方法構建。首先，我們嘗試使用預訓練的語音增強模型作為前端模型，并構建級聯(lián)系統(tǒng)。然而，增強模型的獨立降噪過程可能會扭曲語音合成產(chǎn)生的偽影或抹除包含在語音中的與偽造相關信息，進而導致偽造語音檢測性能下降。因此，本文提出了一種新的前端語音增強與后端偽造語音檢測聯(lián)合訓練的框架，來實現(xiàn)對噪聲場景魯棒的偽造語音檢測模型構建。所提出的聯(lián)合訓練框架在帶噪場景的ASVSpoof 2019 LA數(shù)據(jù)集和FAD數(shù)據(jù)集上均驗證了比樸素的偽造語音檢測后端更加有效。此外，本文還提出了一種交叉聯(lián)合訓練方案，使單個模型的性能可以達到不同模型得分融合的結果，從而使聯(lián)合框架更加有效和高效。
論文題目：Outlier-aware Inlier Modeling and Multi-scale Scoring for Anomalous Sound Detection via Multitask Learning
論文作者：章羽聰，索宏彬，萬玉龍，李明
論文單位：昆山杜克大學、OPPO
核心內容：本文提出了一種異常聲音檢測方法，通過多任務學習將異常樣本曝光（outlier exposure）和內部建模（inlier modeling）融合在一個統(tǒng)一的框架內?；诋惓颖酒毓獾姆椒梢杂行У靥崛√卣?，但其魯棒性有待提高。內部建模能夠生成魯棒的特征，但這些特征的效果并不理想。最近，一些串行和并行方法被提出來將這兩種方法結合起來，但它們都需要額外的步驟完成模型建模。這對于模型的訓練和維護都造成了一些不便。為了克服這些限制，我們使用多任務學習的方法訓練了一個基于Conformer的編碼器，用于異常感知的內部建模。此外，我們的方法在進行推理的時候考慮了多尺度的異常打分，可以更加全面的評估異常值。在MIMII和DCASE 2020任務2數(shù)據(jù)集上的實驗結果表明，我們的方法優(yōu)于最先進的單模型系統(tǒng)，并且與比賽中排名靠前的多系統(tǒng)集成模型有相當?shù)哪芰Α?/p>
