玩转嗓音：桌面角色扮演游戏录音作为语音分割挑战
计算与语言
2025-08-26 v2 声音
摘要
本文提供了一个概念验证，证明桌面角色扮演游戏（TTRPG）的音频可作为语音分割系统的挑战。TTRPG 主要通过对话进行，参与者常常会改变自己的嗓音以表明他们正在以虚构人物说话。音频处理系统对带有或不带有技术辅助的语音转换较为敏感。TTRPG 呈现一种对话现象，其中语音转换是沉浸式游戏体验的内在特征。这可能会使分割器更难以识别真实说话者并确定这是一种模仿。我们创建了一个小型的 TTRPG 音频数据集，并将其与 AMI 和 ICSI 语料库进行比较。评估了两种分割器，pyannote.audio 和 wespeaker 的性能。我们观察到 TTRPG 的特性导致两种分割器的混淆率更高。此外，wespeaker 在 TTRPG 音频文件中严重低估了说话者的数量。我们将 TTRPG 音频提出作为语音分割系统的有前景的挑战。
引用
@article{arxiv.2502.12714,
title = {Playing with Voices: Tabletop Role-Playing Game Recordings as a Diarization Challenge},
author = {Lian Remme and Kevin Tang},
journal= {arXiv preprint arXiv:2502.12714},
year = {2025}
}
备注
15 pages, 14 figures, published in NAACL Findings 2025