基于圆谐特征的会议多麦克风自动语音分割
声音
2023-06-08 v1 计算与语言
音频与语音处理
摘要
说话人日志化的任务是回答音频流中“谁在何时说话？”。流水线系统依赖语音分割来提取说话人片段并实现稳健的说话人日志化。本文提出一个通用框架，用于解决远场语音场景中的三项分割任务：语音活动检测（VAD）、重叠语音检测（OSD）和说话人变换检测（SCD）。文献中少数研究探讨多麦克风远场语音场景。在本工作中，我们提出一组基于圆谐域到达方向估计（CH-DOA）的新空间特征。这些空间特征从多麦克风音频数据中提取，并与标准声学特征相结合。在 AMI 会议语料库上的实验表明，CH-DOA 可改善分割效果，并且在麦克风停用的情况下仍具稳健性。
引用
@article{arxiv.2306.04268,
title = {Multi-microphone Automatic Speech Segmentation in Meetings Based on Circular Harmonics Features},
author = {Théo Mariotte and Anthony Larcher and Silvio Montrésor and Jean-Hugh Thomas},
journal= {arXiv preprint arXiv:2306.04268},
year = {2023}
}
备注
Interspeech 2023, international Speech Communication Association (ISCA), Aug 2023, Dublin, Ireland