看，谁没在说话

本工作的目标是对“野外”语音录音进行说话人日记化（speaker diarisation）。确定语音片段的能力是日记化系统的关键部分，占据了很大比例的误差。在本文中，我们提出了一种基于说话人嵌入（speaker embeddings）的、简单而有效的语音活动检测方案。特别地，我们发现说话人嵌入的范数是语音活动的一个极其有效的指示符。该方法不需要独立的语音活动检测模型，因此允许使用统一的表示同时进行说话人建模与语音活动检测，从而完成说话人日记化。我们在内部与公开数据集上进行了一系列实验，结果表明我们的方法优于流行的基线方法。