评估谱聚类在深度说话人日志中的鲁棒性
声音
2024-03-22 v1 计算机视觉与模式识别
机器学习
音频与语音处理
摘要
聚类说话人嵌入在说话人日志中至关重要，但并未像其他组件那样受到足够关注。此外，当开发数据和评估数据来自不同领域时，说话人日志在不同数据集上的鲁棒性尚未得到探索。为弥补这一不足，本研究深入考察了谱聚类在同领域和跨领域说话人日志中的表现。我们在两个广泛使用的语料库 AMI 和 DIHARD 上的大量实验揭示了存在领域不匹配时说话人日志的性能趋势。我们观察到，两种不同领域条件下的性能差异可归因于谱聚类的作用。特别是，在保持其他模块不变的情况下，我们表明最优调参以及说话人数量估计的差异源于这种不匹配。本研究为说话人日志研究开辟了若干未来方向。
引用
@article{arxiv.2403.14286,
title = {Assessing the Robustness of Spectral Clustering for Deep Speaker Diarization},
author = {Nikhil Raghav and Md Sahidullah},
journal= {arXiv preprint arXiv:2403.14286},
year = {2024}
}
备注
Manuscript Under Review