基于非自回归中间吸引器的神经说话人日志
音频与语音处理
2023-03-14 v1 计算与语言
声音
摘要
基于编码器-解码器吸引器（EDA）的端到端神经说话人日志（EEND）是一种有前景的方法，可用单一神经网络同时处理整个说话人日志问题。虽然EEND模型可同时产生所有帧级说话人标签，但它忽略了输出标签间的依赖关系。本文提出一种新颖的EEND模型，引入帧间标签依赖。所提方法生成非自回归中间吸引器，在较低层产生说话人标签，并以其条件化后续层。尽管所提模型以非自回归方式工作，说话人标签通过参考整个中间标签序列得以精炼。在双说话人CALLHOME数据集上的实验表明，具有所提非自回归中间吸引器的中间标签提升了日志性能。具有更深网络的所提方法从中间标签中获益更多，从而取得优于EEND-EDA的性能和训练吞吐量。
引用
@article{arxiv.2303.06806,
title = {Neural Diarization with Non-autoregressive Intermediate Attractors},
author = {Yusuke Fujita and Tatsuya Komatsu and Robin Scheibler and Yusuke Kida and Tetsuji Ogawa},
journal= {arXiv preprint arXiv:2303.06806},
year = {2023}
}
备注
ICASSP 2023