基于关系网络的在线说话人日志系统
音频与语音处理
2020-09-22 v2 声音
摘要
本文提出一种基于关系网络(Relation Network)的在线说话人日志系统,命名为RenoSD。与由若干独立优化模块组成的传统日志系统不同,RenoSD使用单一深度神经网络实现语音活动检测(VAD)、嵌入提取与说话人身份关联。RenoSD最显著的特征在于其采用元学习策略进行说话人身份关联。具体而言,关系网络以数据驱动方式学习一个深度距离度量,并可通过一次简单的前向传播判断给定两段音频是否属于同一说话人。因此,RenoSD能够以低延迟在线方式运行。在AMI和CALLHOME数据集上的实验结果表明,所提出的RenoSD系统相比当前最优的x-vector基线取得了一致的性能提升。与现有名为UIS-RNN的在线日志系统相比,RenoSD在使用远少得多的训练数据且更低时间复杂度下取得了更优性能。
引用
@article{arxiv.2009.08162,
title = {Online Speaker Diarization with Relation Network},
author = {Xiang Li and Yucheng Zhao and Chong Luo and Wenjun Zeng},
journal= {arXiv preprint arXiv:2009.08162},
year = {2020}
}
备注
We find potential incorrectness in our experimental results which may lead to a wrong conclusion. We decide to rerun the experiments to check our experimental results and temporarily withdraw this paper