MOVER：结合多个会议识别系统的方法
音频与语音处理
2025-08-08 v1
摘要
本文提出了会议识别输出投票误差减少（MOVER），一种用于会议识别任务的新型系统组合方法。虽然已有方法可以组合 diarization（如 DOVER）或自动语音识别（ASR，如 ROVER）系统的输出，但 MOVER 是首个能够组合在 diarization 和 ASR 上两者都有差异的会议识别系统输出的方法。MOVER 通过包括说话人对齐、片段分组、词和时间组合等五个阶段来组合具有不同时间间隔和说话人标签的假设。对 CHiME-8 DASR 任务和 NOTSOFAR-1 任务的多通道轨道的实验结果表明，MOVER 成功地可以组合多个在 diarization 和识别输出上具有多样性的会议识别系统，相较于最先进的系统在两个任务中分别实现了 9.55% 和 8.51% 的相对 tcpWER 改进。
引用
@article{arxiv.2508.05055,
title = {MOVER: Combining Multiple Meeting Recognition Systems},
author = {Naoyuki Kamo and Tsubasa Ochiai and Marc Delcroix and Tomohiro Nakatani},
journal= {arXiv preprint arXiv:2508.05055},
year = {2025}
}