通过说话人属性引力器和局部依赖建模提升神经说话人分割
声音
2025-06-09 v1 人工智能
音频与语音处理
摘要
近年来，端到端的方法在解决说话人分割挑战方面取得了显著进展，该挑战涉及多说话人录音中的说话人分割与识别。其中一种方法称为编码器-解码器引力器(EDA)，用于处理可变说话人数量并在训练过程中更好地引导网络。在本研究中，我们通过超越直接说话人建模，转而通过中间表示的多阶段过程来代表更详细的“说话人属性”，从而扩展了引力器范式。此外，我们通过替换Transformer为conformer，即卷积增强型Transformer，以建模局部依赖来增强该架构。实验表明，在CALLHOME数据集上实现了改进的分割性能。
引用
@article{arxiv.2506.05593,
title = {Improving Neural Diarization through Speaker Attribute Attractors and Local Dependency Modeling},
author = {David Palzer and Matthew Maciejewski and Eric Fosler-Lussier},
journal= {arXiv preprint arXiv:2506.05593},
year = {2025}
}
备注
ICASSP 2024 - 2024 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), Seoul, Korea, Republic of, 2024, pp. 11911-11915