Closed ehsienmu closed 10 months ago
抱歉,读了十几遍,还是没看懂问题。不含音色怎么还能成为speaker embedding呢,分类模型怎么能让它成为speaker embedding呢……
你好,感谢你的回复。我可能之前描述得不够清楚,我想探索是否可以通过pitch和rhythm来判断一段声音是属于哪位语者,进而看到您的这篇论文。所以我想问是否可以通过您设计的编码器先得到pitch和rhythm的embedding,我再使用speaker embedding或speaker verification进行任务。不知道是否可行。
不是不可以,但我这个pitch和rhythm的embedding并不能保证完全不包含timbre信息
谢谢你
Is it possible to obtain a speaker embedding without timbre using just the encoder? For example, the utterances are first extracted using the encoder, and then using a classification model to make it a speaker representation.
请问是有可能只用encoder来获得不含音色的speaker embedding吗? 例如,先使用编码器提取话语,然后使用分类模型使其成为说话者表示等方法