北美 Bixby 说话人日志系统用于 2021 VoxCeleb 说话人识别挑战赛
音频与语音处理
2021-09-29 v1
摘要
本文描述了三星美国研究院北美 Bixby 实验室向 2021 VoxCeleb 说话人识别挑战赛说话人日志(diarization)赛道的提交系统。我们的说话人日志系统由四个主要组件构成:重叠语音检测与语音分离、鲁棒说话人嵌入提取、融合亲和矩阵的谱聚类,以及基于泄漏过滤的后处理。我们在 VoxConverse 数据集与挑战赛评估集上评估了系统,这些数据集包含从 YouTube 收集的多说话人自然对话。我们的系统在 VoxConverse 开发集、测试集与挑战赛评估集上分别取得了 4.46%、6.39% 与 6.16% 的日志错误率(diarization error rate)。
引用
@article{arxiv.2109.13518,
title = {North America Bixby Speaker Diarization System for the VoxCeleb Speaker Recognition Challenge 2021},
author = {Myungjong Kim and Taeyeon Ki and Aviral Anshu and Vijendra Raj Apsingekar},
journal= {arXiv preprint arXiv:2109.13518},
year = {2021}
}