利用具有 Ambisonics 特征的 CRNN 在混响房间中进行高分辨率说话人计数
声音
2020-03-18 v1 音频与语音处理
摘要
说话人计数是估计音频录音中同时说话人数的任务。对于若干音频处理任务，如说话人日志化、分离、定位与跟踪，知晓每个时间步的说话人数量是前提条件，或至少是一大优势，此外还能实现低延迟处理。为此，我们用一个多通道卷积循环神经网络解决说话人计数问题，该网络以短时帧分辨率给出估计。我们训练该网络在包含源与麦克风位置、混响和噪声等多方面不同条件的模拟数据中，预测多通道混合里最多 5 名同时说话人。该网络能以良好精度在帧分辨率上预测说话人数量。
引用
@article{arxiv.2003.07839,
title = {High-Resolution Speaker Counting In Reverberant Rooms Using CRNN With Ambisonics Features},
author = {Pierre-Amaury Grumiaux and Srdjan Kitic and Laurent Girin and Alexandre Guérin},
journal= {arXiv preprint arXiv:2003.07839},
year = {2020}
}
备注
5 pages, 1 figure