基于图标签生成的低延迟在线说话人日志系统
音频与语音处理
2022-06-27 v4 声音
摘要
本文介绍了一种能够处理长时间音频且低延迟的在线说话人日志系统。我们通过引入标签匹配算法，使凝聚式层次聚类（AHC）能够以在线方式工作。该算法解决了每轮生成的输出标签与隐藏标签之间的不一致问题。为确保在线设置中的低延迟，我们引入了 AHC 的一种变体，即 chkpt-AHC，用于说话人聚类。此外，我们提出了一种说话人嵌入图，以利用基于图的再聚类方法，进一步提升性能。在实验中，我们在 DIHARD3 和 VoxConverse 数据集上评估了我们的系统。实验结果表明，我们提出的在线系统优于我们的基线在线系统，并且与我们的离线系统性能相当。我们发现，结合 chkpt-AHC 方法和标签匹配算法的框架在在线设置中表现良好。此外，chkpt-AHC 方法大大降低了时间成本，而基于图的再聚类方法有助于改善性能。
引用
@article{arxiv.2111.13803,
title = {Low-Latency Online Speaker Diarization with Graph-Based Label Generation},
author = {Yucong Zhang and Qinjian Lin and Weiqing Wang and Lin Yang and Xuyang Wang and Junjie Wang and Ming Li},
journal= {arXiv preprint arXiv:2111.13803},
year = {2022}
}
备注
accepted by Odyssey 2022