基于循环神经网络的语音信箱检测问题
声音
2024-10-14 v1 机器学习
多媒体
音频与语音处理
摘要
在电信和云通信领域，准确且实时地判断外呼电话是否由人类或语音信箱接听，至关重要。这一问题在营销活动中尤为重要，可通过精准的来电识别提升服务质量、提高效率并降低成本。尽管该领域意义重大，但现有文献仍不充分探索。本文提出一种创新方法，利用YAMNet模型进行迁移学习以进行特征提取。YAMNet架构支持训练基于循环的分类器，实现音频流的实时处理，区别于固定长度录音。实验结果显示，在测试集上准确率超过96%。进一步分析误分类样本，表明集成FFmpeg等静音检测算法后，可实现准确率超过98%。
引用
@article{arxiv.2410.08235,
title = {A Recurrent Neural Network Approach to the Answering Machine Detection Problem},
author = {Kemal Altwlkany and Sead Delalic and Elmedin Selmanovic and Adis Alihodzic and Ivica Lovric},
journal= {arXiv preprint arXiv:2410.08235},
year = {2024}
}
备注
6 pages, 2 figures, 2024 47th MIPRO ICT and Electronics Convention (MIPRO)