基于 GAN 混合模型的半监督说话人日志系统研究
音频与语音处理
2019-10-28 v1 声音
摘要
我们提出了一种基于最近引入的无监督聚类技术即生成对抗网络混合模型（GANMM）的新说话人日志系统。所提系统使用 x-vectors 作为前端表示。采用谱嵌入进行降维，并在 GANMM 预训练期间以 k-means 初始化。GANMM 通过高效捕捉复杂数据分布来执行无监督说话人聚类。在 AMI 会议语料库上的实验结果表明，所提半监督日志系统与有竞争力的基线性能相当或超越之。在一个包含五十个不同时长会话的评估集上，所取得的最佳平均日志错误率（DER）为 17.11%，相对信息瓶颈基线提升 33%，并与 xvector 基线相当。
引用
@article{arxiv.1910.11416,
title = {A study of semi-supervised speaker diarization system using gan mixture model},
author = {Monisankha Pal and Manoj Kumar and Raghuveer Peri and Shrikanth Narayanan},
journal= {arXiv preprint arXiv:1910.11416},
year = {2019}
}
备注
Submitted to ICASSP 2020