Maestría en Inteligencia Artificial · 2023
Identificación de locutores a partir de segmentos vocálicos
Solo ficha. El repositorio marca este trabajo como «De acuerdo con la naturaleza del uso concedido, la presente licencia parcial se otorga a título gratuito por el máximo tiempo legal colombiano, con el propósito de que en dicho lapso mi (nuestra) obra sea explotada en las condiciones aquí estipuladas y para los fines indicados, respetando siempre la titularidad de los derechos patrimoniales y morales correspondientes, de acuerdo con los usos honrados, de manera proporcional y justificada a la finalidad perseguida, sin ánimo de lucro ni de comercialización. De manera complementaria, garantizo (garantizamos) en mi (nuestra) calidad de estudiante (s) y por ende autor (es) exclusivo (s), que la Tesis o Trabajo de Grado en cuestión, es producto de mi (nuestra) plena autoría, de mi (nuestro) esfuerzo personal intelectual, como consecuencia de mi (nuestra) creación original particular y, por tanto, soy (somos) el (los) único (s) titular (es) de la misma. Además, aseguro (aseguramos) que no contiene citas, ni transcripciones de otras obras protegidas, por fuera de los límites autorizados por la ley, según los usos honrados, y en proporción a los fines previstos; ni tampoco contempla declaraciones difamatorias contra terceros; respetando el derecho a la imagen, intimidad, buen nombre y demás derechos constitucionales. Adicionalmente, manifiesto (manifestamos) que no se incluyeron expresiones contrarias al orden público ni a las buenas costumbres. En consecuencia, la responsabilidad directa en la elaboración, presentación, investigación y, en general, contenidos de la Tesis o Trabajo de Grado es de mí (nuestro) competencia exclusiva, eximiendo de toda responsabilidad a la Pontifica Universidad Javeriana por tales aspectos. Sin perjuicio de los usos y atribuciones otorgadas en virtud de este documento, continuaré (continuaremos) conservando los correspondientes derechos patrimoniales sin modificación o restricción alguna, puesto que, de acuerdo con la legislación colombiana aplicable, el presente es un acuerdo jurídico que en ningún caso conlleva la enajenación de los derechos patrimoniales derivados del régimen del Derecho de Autor. De conformidad con lo establecido en el artículo 30 de la Ley 23 de 1982 y el artículo 11 de la Decisión Andina 351 de 1993, "Los derechos morales sobre el trabajo son propiedad de los autores", los cuales son irrenunciables, imprescriptibles, inembargables e inalienables. En consecuencia, la Pontificia Universidad Javeriana está en la obligación de RESPETARLOS Y HACERLOS RESPETAR, para lo cual tomará las medidas correspondientes para garantizar su observancia.»: el PDF no es público, así que aquí no hay texto para leer. Ver la ficha en el repositorio.
Resumen
En el presente estudio se propone un método de detección de locutores basado en segmentos vocálicos y transfer learning, empleando las redes VGGish y YAMNet. También se exploró la implementación de un sistema basado en X-Vector, el cual no dio buenos resultados con las muestras en las que se entrenó.También se implementó un sistema compacto para aislar segmentos vocálicos de grabaciones de audio. El corpus DIMEx100 sirvió como base de datos consistente para entrenamiento y Parselmouth demostró su eficacia para el análisis de audio y recolección de características acústicas. El transfer learning aplicado en las redes VGGish y YAMNet resultó efectivo, adaptándose a la tarea específica y logrando niveles significativos de precisión en la clasificación de vocales. Se observaron variaciones en la precisión según las vocales, con algunas superando el 98% y otras rondando el 94-95%. El sistema de clasificación usando Parselmouth y una red neuronal mostró efectividad con una precisión promedio de 89.81%. Los resultados confirman la aplicabilidad del transfer learningen la clasificación de locutores y segmentos vocálicos, abriendo nuevas líneas de investigación en el ámbito de la identificación de locutores en el idioma español.