BeamTransformer：基于麦克风阵列的重叠语音检测
声音
2021-09-10 v1 人工智能
音频与语音处理
摘要
我们提出 BeamTransformer，一种高效架构，旨在利用波束成形器在空间滤波方面的优势以及 Transformer 在上下文序列建模方面的能力。BeamTransformer 致力于优化对来自不同空间方向的信号之间序列关系的建模。重叠语音检测是此类优化能够发挥优势的任务之一。在本文中，我们有效地应用 BeamTransformer 来检测重叠语音片段。与单通道方法相比，BeamTransformer 在学习识别不同波束序列之间的关系方面表现更优，因此不仅能够根据声学信号进行预测，还能根据声源定位进行预测。结果表明，成功融合麦克风阵列信号可以带来显著的性能提升。此外，BeamTransformer 更进一步，因为重叠说话人的语音已在内部被分离到不同的波束中。
引用
@article{arxiv.2109.04049,
title = {BeamTransformer: Microphone Array-based Overlapping Speech Detection},
author = {Siqi Zheng and Shiliang Zhang and Weilong Huang and Qian Chen and Hongbin Suo and Ming Lei and Jinwei Feng and Zhijie Yan},
journal= {arXiv preprint arXiv:2109.04049},
year = {2021}
}