用于 CHiME-8 挑战赛 DASR 任务的 NTT 多说话人 ASR 系统
音频与语音处理
2024-09-10 v1
摘要
我们提出了一个为 CHiME-8 DASR 赛道开发的远场自动语音识别（DASR）系统。它由一个先进行说话人日志的流水线组成。对于说话人日志，我们使用基于向量聚类的端到端说话人日志（EEND-VC），随后进行目标说话人语音活动检测（TS-VAD）细化。为了处理不同数量的说话人，我们开发了一种新的多通道说话人计数方法。然后，我们将引导源分离（GSS）应用于基线系统并进行了若干改进。最后，我们使用由强大的预训练模型构建的系统组合来执行 ASR。我们提出的系统在开发集上实现了 21.3% 的宏平均 tcpWER，相比基线实现了 57% 的相对提升。
引用
@article{arxiv.2409.05554,
title = {NTT Multi-Speaker ASR System for the DASR Task of CHiME-8 Challenge},
author = {Naoyuki Kamo and Naohiro Tawara and Atsushi Ando and Takatomo Kano and Hiroshi Sato and Rintaro Ikeshita and Takafumi Moriya and Shota Horiguchi and Kohei Matsuura and Atsunori Ogawa and Alexis Plaquet and Takanori Ashihara and Tsubasa Ochiai and Masato Mimura and Marc Delcroix and Tomohiro Nakatani and Taichi Asami and Shoko Araki},
journal= {arXiv preprint arXiv:2409.05554},
year = {2024}
}
备注
5 pages, 4 figures, CHiME8 challenge