字节跳动用于 VoxCeleb 说话人识别挑战赛 2021 的说话人日志系统
声音
2021-09-07 v1 音频与语音处理
摘要
本文描述了字节跳动用于 2021 年 VoxCeleb 说话人识别挑战赛（VoxSRC-21）第四赛道的说话人日志系统。VoxSRC-21 提供了 VoxConverse 的开发集和测试集用于验证，以及一个独立的测试集用于评测。我们首先收集所有音频的时长和信噪比（SNR），发现 VoxConverse 测试集与 VoxSRC-21 测试集的分布更为接近。我们的系统由语音活动检测（VAD）、说话人嵌入提取、谱聚类以及基于凝聚层次聚类（AHC）的再聚类步骤、重叠语音检测与处理组成。最后，我们使用 DOVER-Lap 集成不同时间尺度的系统。我们的最佳系统在评测集上取得了 5.15% 的说话人日志错误率（DER），在该挑战赛的日志赛道排名第二。
引用
@article{arxiv.2109.02047,
title = {The ByteDance Speaker Diarization System for the VoxCeleb Speaker Recognition Challenge 2021},
author = {Keke Wang and Xudong Mao and Hao Wu and Chen Ding and Chuxiang Shang and Rui Xia and Yuxuan Wang},
journal= {arXiv preprint arXiv:2109.02047},
year = {2021}
}