转向即区分：由Transformer Transducer说话人转向检测约束的在线说话人区分
音频与语音处理
2022-01-26 v3 机器学习
声音
摘要
本文提出一种用于流式端侧应用的新型说话人区分系统。在该系统中，我们使用transformer transducer检测说话人转向，以说话人嵌入表示每个说话人转向，随后依据检测到的说话人转向所施加的约束对这些嵌入进行聚类。与传统的基于聚类的区分系统相比，由于说话人转向的稀疏性，我们的系统大幅降低了聚类的计算成本。不同于其他需要带时间戳说话人标签标注用于训练的监督式说话人区分系统，我们的系统仅需在转写过程中加入说话人转向令牌，这大幅减少了数据收集所需的人力。
引用
@article{arxiv.2109.11641,
title = {Turn-to-Diarize: Online Speaker Diarization Constrained by Transformer Transducer Speaker Turn Detection},
author = {Wei Xia and Han Lu and Quan Wang and Anshuman Tripathi and Yiling Huang and Ignacio Lopez Moreno and Hasim Sak},
journal= {arXiv preprint arXiv:2109.11641},
year = {2022}
}