对抗数据增强用于鲁棒的说话人验证

本文提出了一种名为对抗数据增强（A-DA）的新方法，将数据增强与对抗学习相结合，通过额外的分类器对不同类型的增强进行分类，提升模型对于增强变化的鲁棒性和泛化能力。实验证明A-DA方法在匹配和不匹配的测试条件下均优于标准数据增强方法，展示了其对声学变化的鲁棒性和泛化能力。