文献

J-GLOBAL ID：201802210618036717   整理番号：18A1771767

LSTMによる話者二値化【JST・京大機械翻訳】

Speaker Diarization with LSTM

著者 (5件)： Wang Quan (Google Inc., USA) ,  Downey Carlton (Carnegie Mellon University, USA) ,  Wan Li (Google Inc., USA) ,  Mansfield Philip Andrew (Google Inc., USA) ,  Moreno Ignacio Lopz (Google Inc., USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICASSP  ページ： 5239-5243  発行年： 2018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： 多くの年,iベクトルに基づく音声埋め込み技術は,話者検証と話者二値化応用のための主要な手法であった。しかしながら,様々なドメインにおける深い学習の上昇を反映して,ニューラルネットワークに基づく音声埋め込みは,dベクトルとしても知られており,一貫して優れた話者検証性能を示している。本論文では,話者の二値化に対する新しいdベクトルに基づくアプローチを開発するために,dベクトルに基づく話者検証システムの成功について構築した。具体的には,LSTMベースのdベクトルオーディオ埋込みを,最先端の話者二値化システムを得るために,非パラメトリッククラスタリングにおける最近の研究と組み合わせた。このシステムを3つの標準公開データセット上で評価し,dベクトルベースの二値化システムが従来のiベクトルベースシステムよりも有意な利点を提供することを示唆した。筆者らは,NIST SRE 2000 CallHome上で12.0%の二値化誤り率を達成したが,我々のモデルは音声検索ログからのドメイン外データで訓練された。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *ベクトル ,  ニューラルネットワーク ,  クラスタ化 ,  誤り率
準シソーラス用語： 音声検索 ,  *二値化 ,  *話者 ,  iベクトル , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： LSTM ,  話者 ,  二値化