档案音频处理的障碍

本研究利用一个独特的中世纪广播录音UNESCO收藏，探讨现代即插即用语言识别（LID）和说话人识别（SR）方法的鲁棒性，尤其关注多语言说话人和跨年龄录音的影响。我们的发现表明，LID系统（如Whisper）在处理第二语言和加重音的话语方面日益熟练。然而，说话人嵌入仍是语音处理管道中脆弱的组成部分，容易受到信道、年龄和语言偏见的影响。若档案库希望采用SR方法进行说话人索引，这些问题将不得不克服。