鲁棒声学域识别及其在说话人日记化中的应用
声音
2022-08-09 v2 音频与语音处理
摘要
近年来随着多媒体内容的增长，音频的录音环境呈现出更多样化。音频处理系统若在前端具备一个识别声学域的模块，可能会受益。在本文中，我们展示了将声学域识别（ADI）用于说话人日记化（speaker diarization）的思路。为此，我们首先对第三次 DIHARD 挑战赛的各个域进行详细研究，突出将它们彼此区分开的因素。我们的主要贡献是开发一种简单高效的 ADI 解决方案。在当前工作中，我们探索将该任务的说话人嵌入用于此目的。接下来，我们将 ADI 模块与 DIHARD III 挑战赛的说话人日记化框架集成。当针对相应域优化凝聚式层次聚类的阈值时，性能较基线大幅提升。在 DIHARD III 评估集的 Track 1 上，我们在核心条件和完整条件下的 DER 分别实现了超过 和 的相对提升。
引用
@article{arxiv.2208.03162,
title = {Robust Acoustic Domain Identification with its Application to Speaker Diarization},
author = {A Kishore Kumar and Shefali Waldekar and Md Sahidullah and Goutam Saha},
journal= {arXiv preprint arXiv:2208.03162},
year = {2022}
}
备注
Accepted for publication in International Journal of Speech Technology (Springer Nature)