TACNET：时序音频源计数网络
声音
2024-12-23 v1 人工智能
机器学习
音频与语音处理
摘要
在本文中，我们介绍时序音频源计数网络（TaCNet），一种解决音频源计数任务中局限性的创新架构。TaCNet 直接在原始音频输入上运行，消除了复杂的预处理步骤并简化了工作流程。值得注意的是，即使在截断的输入窗口下，它也擅长实时说话人计数。我们使用 LibriCount 数据集进行的广泛评估突显了 TaCNet 的卓越性能，将其定位为音频源计数任务的 SOTA 解决方案。在 11 个类别上平均准确率达 74.18%，TaCNet 展示了其在包括涉及中文和波斯语应用在内的多样场景中的有效性。这种跨语言适应性突显了其通用性和潜在影响。
引用
@article{arxiv.2311.02369,
title = {TACNET: Temporal Audio Source Counting Network},
author = {Amirreza Ahmadnejad and Ahmad Mahmmodian Darviishani and Mohmmad Mehrdad Asadi and Sajjad Saffariyeh and Pedram Yousef and Emad Fatemizadeh},
journal= {arXiv preprint arXiv:2311.02369},
year = {2024}
}