Hitachi-JHU DIHARD III 系统：由 DOVER-Lap 结合的竞争性端到端神经日记化与 X-Vector 聚类系统
音频与语音处理
2021-02-03 v1 计算与语言
声音
摘要
本文详细描述了提交至第三届 DIHARD 语音日记化挑战赛的 Hitachi-JHU 系统。该系统输出五个子系统的集成结果：两个基于 x-vector 的子系统、两个基于端到端神经日记化的子系统以及一个混合子系统。我们对每个系统进行了精炼，使得全部五个子系统均具有竞争力且互为补充。在经过基于 DOVER-Lap 的系统组合后，其在 Track 1 的 full 和 core 中分别取得了 11.58% 和 14.09% 的日记化错误率，在 Track 2 的 full 和 core 中分别取得了 16.94% 和 20.01%。凭借这些结果，我们在该挑战赛的所有任务中均获得第二名。
引用
@article{arxiv.2102.01363,
title = {The Hitachi-JHU DIHARD III System: Competitive End-to-End Neural Diarization and X-Vector Clustering Systems Combined by DOVER-Lap},
author = {Shota Horiguchi and Nelson Yalta and Paola Garcia and Yuki Takashima and Yawen Xue and Desh Raj and Zili Huang and Yusuke Fujita and Shinji Watanabe and Sanjeev Khudanpur},
journal= {arXiv preprint arXiv:2102.01363},
year = {2021}
}