Classificação de Sotaques Brasileiros usando Redes Neurais Profundas

Abstract

The automatic classification of accents has several potential applications, for instance, the identification and authentication of users, forensic investigation tools and the selection of specialized models in text-to-speech and speech-to-text systems. In this work, we propose and evaluate several architectures of artificial neural networks for accent classification. The performance of these architectures in the Braccent dataset was compared with the methods GMM-UBM, GMM-SVM and iVector. Experimental results show that 4 out of 6 architectures achieve better values of accuracy, precision and recall than the previous methods. The best architecture reached 90% of accuracy, with precision, recall and F1-score of 0.92, 0.84 and 0.87, respectively. Resumo: A classificação automática de sotaques possui diversas aplicações potenciais como a identificação e autenticação de usuários, ferramentas de investigação forense e a seleção de modelos especializados para text-to-speech e speech-to-text. Neste trabalho, propomos e avaliamos diversas arquiteturas de redes neurais artificiais para classificação de sotaques. A performance das arquiteturas na base de dados Braccent foi comparada com os métodos GMM-UBM, GMM-SVM e iVector. Resultados experimentais mostram que 4 das 6 arquiteturas alcançam valores melhores de acurácia, precisão e revocação que os métodos anteriores. A melhor arquitetura alcançou 90% de acerto, com precisão, revocação e F1-score de 0.92, 0.84 e 0.87, respectivamente.