基于位置跟踪与凝聚聚类的说话人日记化
机器学习
2021-09-27 v2 计算与语言
声音
音频与语音处理
摘要
先前的研究表明，空间位置信息可作为说话人嵌入特征的补充用于说话人日记化任务。然而，所用模型通常假设说话人在会议过程中相当静止。本文提出放宽该假设，通过在凝聚层次聚类（AHC）日记化框架中显式建模说话人的移动。用于跟踪说话人位置的卡尔曼滤波器被用来计算对数似然比，该对数似然比参与 AHC 合并与停止决策的簇亲和度计算。实验表明，与不使用位置信息或做静止假设的方法相比，所提方法能够在 Microsoft 丰富会议转录任务上取得改进。
引用
@article{arxiv.2109.10598,
title = {Diarisation using location tracking with agglomerative clustering},
author = {Jeremy H. M. Wong and Igor Abramovski and Xiong Xiao and Yifan Gong},
journal= {arXiv preprint arXiv:2109.10598},
year = {2021}
}