Автоматизированная система классификации живой речи и голоса

Abstract

Основой системы аутентификации пользователя по голосу является квантизированная нейросетевая модель ECAPA-TDNN. Нейронная сеть является модулем извлечения голосовых эмбеддингов, классифицирующих спикеров с точки зрения их уникальных голосовых характеристик. Целью работы является проектирование и реализация системы голосовой аутентификации, а также исследование методов сжатия нейросетевой модели для её развёртывания на ресурсоограниченных устройствах без существенной потери качества. В результате работы спроектирована информационно-логическая модель системы в нотации унифицированного языка моделирования UML. Реализована нейросетевая модель с квантованием весов с обучением QAT. Проведены вычислительные эксперименты на тестовых данных VoxCeleb1-O. Реализация выполнена с использованием языка программирования Python и фреймворка PyTorch на операционной системе Windows 11.