对话短句说话人日记化（CSSD）任务：数据集、评测指标与基线
计算与语言
2022-08-18 v1 声音
音频与语音处理
摘要
对话场景是语音处理技术最重要也最具挑战性的场景之一，因为对话中的人们以随意风格相互回应。检测对话中每个人的语音活动对自然语言处理、机器翻译等下游任务至关重要。人们将“谁在何时说话”的检测技术称为说话人日记化（SD）。长期以来，日记化错误率（DER）一直作为SD系统的标准评测指标。然而，DER未能充分重视短对话短语，这类短语虽短却在语义层面十分重要。此外，语音界仍缺乏适合评测对话式SD技术、经仔细准确人工标注的测试数据集。本文中，我们设计并描述了对话短句说话人日记化（CSSD）任务，其包含训练与测试数据集、评测指标及基线。数据集方面，除此前开源的180小时对话MagicData-RAMC数据集外，我们为CSSD任务准备了独立的20小时对话语音测试集，含经人工仔细核验的说话人时间戳标注。指标方面，我们设计了新对话式DER（CDER）评测指标，于话语层级计算SD准确率。基线方面，我们采用常用方法：变分贝叶斯HMM x-vector系统，作为CSSD任务基线。我们的评测指标公开于 https://github.com/SpeechClub/CDER_Metric。
引用
@article{arxiv.2208.08042,
title = {The Conversational Short-phrase Speaker Diarization (CSSD) Task: Dataset, Evaluation Metric and Baselines},
author = {Gaofeng Cheng and Yifan Chen and Runyan Yang and Qingxuan Li and Zehui Yang and Lingxuan Ye and Pengyuan Zhang and Qingqing Zhang and Lei Xie and Yanmin Qian and Kong Aik Lee and Yonghong Yan},
journal= {arXiv preprint arXiv:2208.08042},
year = {2022}
}
备注
arXiv admin note: text overlap with arXiv:2203.16844