في هذه الورقة، نقدّم شبكة ReDimNet (Reshape Dimensions Network)، وهي بنية جديدة للشبكة العصبية لاستخراج تمثيلات المُتكلِّم على مستوى التعبير. تعتمد منهجيتنا على إعادة تشكيل أبعاد الخرائط المميزة ثنائية الأبعاد إلى تمثيل إشارة أحادية البُعد والعكس، مما يتيح الاستخدام المشترك للوحدات الأحادية والثنائية الأبعاد. ونُقدّم تراكيب شبكة أصلية تحافظ على حجم المخرجات التي تتضمّن قنوات الزمن-التردد للوحدات الأحادية والثنائية الأبعاد، مما يُسهّل تجميع الخرائط المميزة المتبقية بشكل فعّال. علاوةً على ذلك، تُعدّ ReDimNet قابلة للتوسع بكفاءة، وقد قدمنا مجموعة من أحجام النماذج تتراوح بين 1 إلى 15 مليون معلمة، وتشمل من 0.5 إلى 20 GMACs. وأظهرت نتائج تجاربنا أن ReDimNet تحقق أداءً متقدّمًا في مجال التعرف على المُتكلّم، مع تقليل التعقيد الحسابي وعدد معلمات النموذج.