CHiME-8挑战的STCON系统
音频与语音处理
2024-10-18 v1 声音
摘要
本文描述了用于CHiME-8挑战任务1（远程自动语音转录和说话人计数）的STCON系统。我们主要关注仔细训练和调优的说话人计数管道，这使我们能够显著降低说话人计数误差率（DER），并获得更可靠的语音分离和识别片段。为了提高源分离效果，我们设计了引导目标说话人提取（G-TSE）模型，并将其与传统的引导源分离（GSS）方法结合使用。为了训练管道的各个部分，我们研究了几种数据增强和生成技术，这些技术帮助我们提高了整个系统的质量。
引用
@article{arxiv.2410.13411,
title = {STCON System for the CHiME-8 Challenge},
author = {Anton Mitrofanov and Tatiana Prisyach and Tatiana Timofeeva and Sergei Novoselov and Maxim Korenevsky and Yuri Khokhlov and Artem Akulov and Alexander Anikin and Roman Khalili and Iurii Lezhenin and Aleksandr Melnikov and Dmitriy Miroshnichenko and Nikita Mamaev and Ilya Odegov and Olga Rudnitskaya and Aleksei Romanenko},
journal= {arXiv preprint arXiv:2410.13411},
year = {2024}
}