TCG CREST 系统描述：第二届 DISPLACE 挑战赛
音频与语音处理
2024-09-25 v1 机器学习
声音
摘要
本报告描述了我们团队为第二届 DISPLACE 挑战赛 (2024) 开发的说话人识别 (SD) 和语言识别 (LD) 系统。我们的贡献分别用于 SD 和 LD 的 Track 1 和 Track 2，在多语言和多说话人场景下进行。我们研究了不同的语音增强技术、语音活动检测 (VAD) 技术、无监督域分类和神经嵌入提取架构。我们还利用了各种嵌入提取模型的融合。我们使用开源 SpeechBrain 工具包实现了我们的系统。我们的最终提交使用谱聚类进行说话人和语言识别。在 Track 1 中，我们比挑战基线实现了约 7% 的相对改进。在 Track 2 中，我们未获得相对于挑战基线的改进。
关键词
引用
@article{arxiv.2409.15356,
title = {TCG CREST System Description for the Second DISPLACE Challenge},
author = {Nikhil Raghav and Subhajit Saha and Md Sahidullah and Swagatam Das},
journal= {arXiv preprint arXiv:2409.15356},
year = {2024}
}