利用音频嵌入改进广播节目的自动分割
机器学习
2020-04-28 v1 声音
音频与语音处理
机器学习
摘要
音频特征已被证明对提升自动主题分割系统的性能有用。本研究探索了利用音频嵌入对广播节目进行自动、主题连贯分割这一新任务。我们在来自不同领域的三个数据集上通过多类分类任务创建了三种不同的音频嵌入生成器。我们评估了音频嵌入的主题分割性能，并将其与仅文本的基线进行比较。我们发现，包含通过非语音声音事件分类任务生成的音频嵌入的设置，在F1度量上显著优于仅文本基线32.3%。此外，我们发现不同的分类任务产生的音频嵌入在分割性能上有所差异。
引用
@article{arxiv.2002.05194,
title = {Improving automated segmentation of radio shows with audio embeddings},
author = {Oberon Berlage and Klaus-Michael Lux and David Graus},
journal= {arXiv preprint arXiv:2002.05194},
year = {2020}
}
备注
5 pages, 2 figures, submitted to ICASSP2020