XANE 背景声学嵌入：剖析与聚类分析
音频与语音处理
2024-07-10 v1
摘要
我们探索了最近提出的可解释声学神经嵌入 (XANE) 系统，该系统以非侵入方式建模语音信号的背景声学。XANE 嵌入用于估计与信号背景声学属性相关的特定参数，从而使嵌入可解释。我们对 XANE 系统进行了剖析研究，表明联合估计所有声学参数整体效果为正。此外，我们通过在未见的测试数据上进行聚类实验，说明提出的嵌入在三个不同任务上达到 92% 的平均 F1 分数，显著优于基于 WavLM 的信号嵌入，并且与说话人嵌入是互补的。
引用
@article{arxiv.2407.06342,
title = {XANE Background Acoustic Embeddings: Ablation and Clustering Analysis},
author = {Dushyant Sharma and James Fosburgh and Sri Harsha Dumpala and Chandramouli Shama Sastri and Stanislav Yu. Kruchinin and Patrick A. Naylor},
journal= {arXiv preprint arXiv:2407.06342},
year = {2024}
}
备注
arXiv admin note: substantial text overlap with arXiv:2406.05199