婴幼儿-父母语音分段聚类比较研究
音频与语音处理
2020-11-06 v1 声音
摘要
我们设计了一个基于最先进分段聚类算法研究3至24个月前语言期儿童语音的框架。我们的系统由时不变特征提取器、上下文相关嵌入生成器和分类器组成。我们研究了替换系统不同组件以及改变损失函数对寻找最佳性能的影响。我们还提出了一种多示例学习技术，使我们能够在具有较粗分段边界标签的更大数据集上预训练参数。我们发现，我们的最佳系统在测试数据集上达到了43.8%的DER，而LENA软件达到了55.4%的DER。我们还发现，使用卷积特征提取器代替logmel特征显著提高了神经分段聚类的性能。
引用
@article{arxiv.2011.02698,
title = {A Comparison Study on Infant-Parent Voice Diarization},
author = {Junzhe Zhu and Mark Hasegawa-Johnson and Nancy McElwain},
journal= {arXiv preprint arXiv:2011.02698},
year = {2020}
}
备注
ICASSP 2021