Aller au contenu principal
2025 conference-paper

Interpolating Speaker Identities in Embedding Space for Data Expansion

1Citations signalées, ce qui n’est pas une note de qualité
4Institutions déclarées
2Pays d’affiliation déclarés

Rattachement africain : sg, cn. Niveau de preuve : code pays fourni par la source.

Le résumé fourni par la source

The success of deep learning-based speaker verification systems is largely attributed to access to large-scale and diverse speaker identity data. However, collecting data from more identities is expensive, challenging, and often limited by privacy concerns. To address this limitation, we propose INSIDE (Interpolating Speaker Identities in Embedding Space), a novel data expansion method that synthesizes new speaker identities by interpolating between existing speaker embeddings. Specifically, we select pairs of nearby speaker embeddings from a pretrained speaker embedding space and compute intermediate embeddings using spherical linear interpolation. These interpolated embeddings are then fed to a text-to-speech system to generate corresponding speech waveforms. The resulting data is combined with the original dataset to train downstream models. Experiments show that models trained with INSIDEexpanded data outperform those trained only on real data, achieving 3.06 % to 5.24 % relative improvements. While INSIDE is primarily designed for speaker verification, we also validate its effectiveness on gender classification, where it yields a 13.44 % relative improvement. Moreover, INSIDE is compatible with other augmentation techniques and can serve as a flexible, scalable addition to existing training pipelines.

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.

Le contrôle bibliographique ouvert

DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.

Titre Crossref
Interpolating Speaker Identities in Embedding Space for Data Expansion
Date Crossref
22/10/2025
Éditeur
IEEE
Type
proceedings-article

Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.

Où se fait cette recherche

  • National University of Singapore pays non établi dans la notice
    Université ou école supérieure
  • Agency for Science pays non établi dans la notice
    Organisme public
  • Institute for Infocomm Research pays non établi dans la notice
    Structure de recherche
  • Chinese University of Hong Kong pays non établi dans la notice
    Université ou école supérieure
  • School of Artificial Intelligence SRIBD pays non établi dans la notice
    Université ou école supérieure

National University of Singapore, Agency for Science et Institute for Infocomm Research, avec 2 autres affiliations.

Une affiliation ne permet pas de déduire la nationalité d’un auteur.

Les sujets associés

Speech Recognition and SynthesisSpeech and Audio ProcessingAuthorship Attribution and Profiling

BNTIC News n’est pas le producteur de ces données. Les publications sont interrogées à la demande dans Crossref, OpenAIRE, DOAJ, Europe PMC, HAL, DataCite, AfricArXiv, ROR et la Banque mondiale, sans clé d’accès. OpenAlex reste optionnel. Aucun service payant n’est nécessaire et aucune donnée externe n’est enregistrée en base. Consulter les sources et leurs limites.