文献

J-GLOBAL ID：202502232427973208   整理番号：25A2184858

話者情報の半教師あり学習を用いたオフライン話者ダイアライゼーション

Offline Speaker Diarization with Semi-Supervised Learning using Speaker Information

著者 (4件)： 阿坂脩平 (東京科大) ,  YEN Benjamin (東京科大) ,  糸山克寿 (ホンダ・リサーチ・インスティチュート・ジャパン) ,  中臺一博 (東京科大)
資料名： 人工知能学会第二種研究会資料(Web)  (JSAI Technical Report, Type 2 SIG (Web))
巻： 2024  号： Challenge-066  ページ： 17-23(J-STAGE)  発行年： 2024年12月20日 
JST資料番号： U2752A  ISSN： 2436-5556  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 本稿では,高性能なオフライン話者ダイアライゼーションの実現を目指す.そのために,以下の2点からなるオフライン話者ダイアライゼーションモデルを提案する:1)一部のアノテーション済みデータからでも適切に特徴量を抽出できるように,話者基盤モデル(WavLM)を導入,2)アノテーションのコストを抑えるための,半教師あり学習に基づくデータ拡張を導入.会議録コーパスであるAMIコーパスを用いて,提案手法を評価したところ,半教師あり学習の導入によって,DERで最大3.54ポイント改善した.これは,pyannoteに実装されているEnd-to-Endのダイアライゼーションモデルよりも高い性能であり,提案手法の有効性を示すことができた.(著者抄録)

シソーラス用語： *話者認識 ,  アノテーション ,  データ拡張 ,  特徴抽出 ,  エンドツーエンド方式 ,  隠れ層 ,  機械学習
準シソーラス用語： エンドツーエンド ,  オフライン処理 ,  ダイアライゼーション ,  特徴量抽出 ,  半教師あり学習 ,  話者 ,  *話者ダイアライゼーション ,  *話者基盤モデル

分類 (2件)： 音声処理  (JE05000E) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 話者 ,  半教師あり学習 ,  オフライン ,  ダイアライゼーション