语言切换与说话人切换：一项对比研究
音频与语音处理
2023-10-10 v2 声音
信号处理
摘要
口语语言切换检测(LCD)指在多语言语音信号中检测语言切换点。说话人切换检测(SCD)指在多说话人语音信号中定位说话人切换点。本工作的目标是通过与SCD任务对比来理解LCD任务中的挑战。针对LCD与SCD进行了切换检测的人类主观研究。该研究表明，与SCD相比，LCD需要切换点周围更大时频谱时间信息。基于此，本工作探索了基于距离与基于模型的自动LCD方法。基于模型的方法包括高斯混合模型与通用背景模型(GMM-UBM)、注意力以及基于生成对抗网络(GAN)的方法。人类与自动LCD任务均推断，LCD任务性能随纳入的时频谱时长增多而提升。
引用
@article{arxiv.2203.02680,
title = {Language vs Speaker Change: A Comparative Study},
author = {Jagabandhu Mishra and S. R. Mahadeva Prasanna},
journal= {arXiv preprint arXiv:2203.02680},
year = {2023}
}
备注
The work is substantially modified. The new version of the same will be submitted soon