文献

J-GLOBAL ID：201702251677898545   整理番号：17A1034896

深部ニューラルネットワーク埋め込みを用いた話者日記付け【Powered by NICT】

Speaker diarization using deep neural network embeddings

著者 (5件)： Garcia-Romero Daniel (Human Language Technology Center of Excellence & Center for Language and Speech Processing, The Johns Hopkins University, Baltimore, MD 21218, USA) ,  Snyder David (Human Language Technology Center of Excellence & Center for Language and Speech Processing, The Johns Hopkins University, Baltimore, MD 21218, USA) ,  Sell Gregory (Human Language Technology Center of Excellence & Center for Language and Speech Processing, The Johns Hopkins University, Baltimore, MD 21218, USA) ,  Povey Daniel (Human Language Technology Center of Excellence & Center for Language and Speech Processing, The Johns Hopkins University, Baltimore, MD 21218, USA) ,  McCree Alan (Human Language Technology Center of Excellence & Center for Language and Speech Processing, The Johns Hopkins University, Baltimore, MD 21218, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICASSP  ページ： 4930-4934  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 話者日記付けは,複数話者の存在下で多くの音声技術にとって重要であるフロントエンドであるが,音声の短いセグメントのためのiベクトルクラスタリングを用いた現在の方法は潜在的に扱いにくいとフロントエンド役割の費用がかかる。本研究では,完全にパイプラインからiベクトル抽出プロセスを除去するための深層ニューラルネットワークを介した学習表現のための代替手法を提案した。提案したアーキテクチャは,同時にセグメントは,同一または異なる話者に由来する尤度を測定するための可変長とスコアリング関数の音響セグメントに対する固定次元埋め込みを学習する。CALLHOME会話電話音声コーパス上での試験を通して,著者らは,日記付け構造の合理化に加えて,提案したシステムは,一致または最新のベースラインの性能を超えることを示した。も,この方法は,以前のシステムとしての教師なしキャリブレーション戦略同様に応答しないが,整礎的話者事前分布の導入は,この欠点を軽減するに十分であることが分かった。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 音響 ,  合理化 ,  計算機アーキテクチャ ,  会話 ,  深層 ,  基準線 ,  電話 ,  *ニューラルネットワーク ,  学習
準シソーラス用語： 事前分布 ,  音声コーパス ,  尤度 ,  iベクトル ,  *話者 ,  *ディープニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 深部ニューラルネットワーク ,  埋め込み ,  話者 ,  日記