面向说话人日志的谱聚类感知嵌入学习
声音
2023-03-16 v2 音频与语音处理
摘要
在说话人日志中，说话人嵌入提取模型通常面临其训练损失函数与说话人聚类方法不匹配的问题。本文提出了一种谱聚类感知嵌入学习方法（SCALE）来解决该不匹配问题。具体而言，除了角度原型中心损失外，SCALE 还使用了一种新颖的亲和矩阵损失，该损失直接最小化由说话人嵌入估计的亲和矩阵与参考矩阵之间的误差。SCALE 还将 p-百分位数阈值处理和高斯模糊作为训练中谱聚类的两个重要超参数。在 AMI 数据集上的实验表明，与使用基于 AP 损失的说话人嵌入的强基线相比，使用 SCALE 获得的说话人嵌入在使用真实分割时实现了超过 50% 的相对说话人错误率降低，在使用自动分割时实现了超过 30% 的相对日志错误率降低。
引用
@article{arxiv.2210.13576,
title = {Spectral Clustering-aware Learning of Embeddings for Speaker Diarisation},
author = {Evonne P. C. Lee and Guangzhi Sun and Chao Zhang and Philip C. Woodland},
journal= {arXiv preprint arXiv:2210.13576},
year = {2023}
}
备注
To appear in ICASSP 2023, 5 pages