O-EENC-SD: 用于说话人日记的高效在线端到端神经聚类
机器学习
2025-12-18 v1 声音
信号处理
摘要
我们提出了O-EENC-SD：一种基于EEND-EDA的端到端在线说话人日记系统，采用一种新颖的RNN拼接机制实现在线预测。特别地，我们开发了一种新颖的质心精化解码器，其有效性通过严格的消融研究进行了评估。我们的系统相较于现有方法具有关键优势：与无监督聚类方法相比是一种无超参数的解决方案，相比当前计算代价高昂的在线端到端方法更加高效。我们证明O-EENC-SD在双说话人会话电话语音领域与最先进水平具有竞争力，在CallHome数据集上进行了测试。结果表明，即使在没有重叠的独立块上工作，O-EENC-SD在DER与复杂度之间提供了良好的折中，使系统极其高效。
引用
@article{arxiv.2512.15229,
title = {O-EENC-SD: Efficient Online End-to-End Neural Clustering for Speaker Diarization},
author = {Elio Gruttadauria and Mathieu Fontaine and Jonathan Le Roux and Slim Essid},
journal= {arXiv preprint arXiv:2512.15229},
year = {2025}
}