BER：用于说话人日志的平衡错误率
声音
2022-11-09 v1 计算与语言
音频与语音处理
摘要
DER 是评估日志化性能的主要指标，但它面临一个困境：短话语或片段中的错误往往被较长的话语或片段所淹没。短片段，例如“是”或“否”，仍然具有语义信息。此外，DER 忽略了说话较少的说话人中的错误。尽管 JER 平衡了说话人错误，但它仍然面临同样的困境。考虑到所有这些方面，即时长错误、片段错误和说话人加权错误构成了一个完整的日志化评估，我们提出了一种平衡错误率（BER）来评估说话人日志化。首先，我们通过连通子图和自适应 IoU 阈值提出了一种片段级错误率（SER），以获得准确的片段匹配。其次，为了以统一的方式评估日志化，我们采用说话人特定的时长和片段之间的调和平均，然后进行说话人加权平均。第三，我们通过模块化系统、EEND 以及在真实数据集上的多模态方法分析了我们的指标。SER 和 BER 已在 https://github.com/X-LANCE/BER 上公开可用。
引用
@article{arxiv.2211.04304,
title = {BER: Balanced Error Rate For Speaker Diarization},
author = {Tao Liu and Kai Yu},
journal= {arXiv preprint arXiv:2211.04304},
year = {2022}
}
备注
5 pages, 2 figures