Reconocimiento del hablante empleando rasgos distintivos de largo plazo

Título

Reconocimiento del hablante empleando rasgos distintivos de largo plazo

Colaborador

Ale, Juan M.
Gurlekian, Jorge A.

Editor

Universidad de Buenos Aires. Facultad de Ingeniería

Fecha

2019-08-15

Extensión

227 p.

Resumen

El reconocimiento de hablantes o reconocimiento de personas por su voz posee en la actualidad diferentes aplicaciones prácticas: financieras, legales y forenses, de seguridad, indexación de audio y video, vigilancia, teleconferencia, y capacitación a distancia, entre otras. En el presente trabajo nos focalizaremos en las aplicaciones forenses y las posibles mejoras que pueden introducirse a los sistemas actuales de identificación de hablantes al incorporar rasgos distintivos de largo plazo a la información de corto plazo, base de los sistemas automáticos de reconocimiento de hablantes actuales.
Se puede resumir el objetivo general de esta tesis como la “incorporación de información de largo plazo a un sistema de reconocimiento de hablantes estándar basado en parámetros de corto plazo, para ser empleado en aplicaciones forenses”.
La hipótesis inicial sostiene que la adición de características de largo plazo a un sistema de corto plazo de referencia (estado del arte) permitirá obtener un sistema multiparamétrico con mejor desempeño que el sistema de referencia, dado que contará con mayor información respecto al hablante. Las fuentes principales para la determinación de estas características serán la neurociencia y la lingüística, considerando valioso el conocimiento que se puede extraer del análisis de la capacidad innata de los seres humanos para reconocer personas por su voz.

Some of the most popular applications of speaker recognition are: financial, forensic and legal, security, audio and video indexing, surveillance, teleconferencing, and e-learning. This work focuses on forensic applications, and seeks to improve automatic speaker recognition systems by incorporating distinctive long-term features to actual short-term information.
We can summarize the overall objective of this thesis as the "incorporation of long-term information to an automatic speaker recognition system based on standard segmental parameters to be used in forensic applications."
The proposed hypothesis suggests that if you manage to find segmental characteristics of higher order and suprasegmental features that are useful for people discrimination, the multiparametric system will perform better in the recognition task, since it will have more information about the speaker. The main sources for the determination of these features will neuroscience and linguistics, considering that valuable knowledge can be extracted from the analysis of the innate ability of humans to recognize people by their voice.