基于 Conformer 的连续语音分离
音频与语音处理
2020-10-23 v2 计算与语言
摘要
连续语音分离在对话转录等复杂语音相关任务中起着至关重要的作用。分离模型从混合语音中提取单个说话人信号。在本文中，我们在分离系统中使用 transformer 和 conformer 替代循环神经网络，因为我们相信基于自注意力的方法捕获全局信息对语音分离至关重要。在 LibriCSS 数据集上评估，conformer 分离模型取得了最先进的结果，在语句级评估中相对双向 LSTM（BLSTM）的词错误率（WER）降低了 23.5%，在连续评估中 WER 降低了 15.4%。
引用
@article{arxiv.2008.05773,
title = {Continuous Speech Separation with Conformer},
author = {Sanyuan Chen and Yu Wu and Zhuo Chen and Jian Wu and Jinyu Li and Takuya Yoshioka and Chengyi Wang and Shujie Liu and Ming Zhou},
journal= {arXiv preprint arXiv:2008.05773},
year = {2020}
}