用于说话人日志错误分析的说话人-对话因子设计

说话人日志准确率会受到声学特征和对话特征的共同影响。确定日志错误的成因十分困难，因为说话人声学特征与对话结构共变，且声学、对话结构与日志准确率之间的交互关系复杂。本文提出一种方法，通过因子设计中的对话重混，区分声学特征与对话特征对日志准确率的独立边际效应。作为示例，该方法被用于研究三种日志系统的性别相关与语言相关准确率差异：一种使用子段x-vector聚类的基线系统、一种采用更短子段的变体，以及第三种基于贝叶斯隐马尔可夫模型的系统。我们的分析显示，基线系统的巨大准确率差异主要源于对话结构，而在另外两种系统中部分得到缓解。该示例由此展示了该方法如何用于识别并指导日志模型的改进。