模块化会议转录系统中的误差分析
音频与语音处理
2025-09-15 v1 计算与语言
机器学习
声音
摘要
会议转录是近年来具有高度相关性且取得显著进展的领域。然而，仍然存在限制其性能的挑战。在本工作中，我们扩展了先前提出的用于分析语音分离中泄漏的框架，使其对时间局部性具有适当的敏感性。我们表明，在仅有主说话人活动的区域，存在向跨通道的显著泄漏。同时，结果表明这并未对最终性能产生太大影响，因为这些泄漏部分在很大程度上被语音活动检测（VAD）所忽略。此外，我们比较了不同的分割方法，结果表明，与简单的基于能量的 VAD 相比，先进的说话人日志方法能够将与传统分割之间的差距缩小三分之一。我们进一步揭示了导致剩余差异的因素。在仅在 LibriSpeech 数据上训练识别模块的系统中，所取得的结果代表了在 LibriCSS 上的 SOTA 性能。
引用
@article{arxiv.2509.10143,
title = {Error Analysis in a Modular Meeting Transcription System},
author = {Peter Vieting and Simon Berger and Thilo von Neumann and Christoph Boeddeker and Ralf Schlüter and Reinhold Haeb-Umbach},
journal= {arXiv preprint arXiv:2509.10143},
year = {2025}
}
备注
Accepted at ITG Conference on Speech Communication 2025