ICASSP 2022マルチチャネルマルチパーティ会議転写チャレンジのためのRoyalflush話者ダイアライゼーションシステム【JST・京大機械翻訳】

Tian Jingguang; Hu Xinhui; Xu Xinkang

プレプリント

J-GLOBAL ID：202202215712783860 整理番号：22P0287426

ICASSP 2022マルチチャネルマルチパーティ会議転写チャレンジのためのRoyalflush話者ダイアライゼーションシステム【JST・京大機械翻訳】

Royalflush Speaker Diarization System for ICASSP 2022 Multi-channel Multi-party Meeting Transcription Challenge

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年02月09日プレプリントサーバーでの情報更新日： 2022年02月18日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

本論文では,マルチチャネルマルチパーティメッセージ転写チャレンジ(M2MeT)に提出されたRoyalflush話者ダイラリゼーションシステムについて述べた。このシステムは音声強調,重複音声検出,話者埋込み抽出,話者クラスタリング,音声分離,システム融合を含む。このシステムでは,3つの貢献を行った。最初に,多チャネルとU-Netベースモデルを組み合わせるアーキテクチャを提案し,これら2つの個々のアーキテクチャの利点を,遠方場重複音声検出に対して利用した。第二に,話者ダイラリゼーションを助けるために重複音声検出モデルを使用するために,話者検証技術がさらに適用される音声分離ベースの重複音声処理アプローチを提案する。第3に,著者らは3つの話者埋込み方法を調査して,CNCeleb-E試験セットに関して最先端の性能を得た。これらの提案により,著者らの最良個別システムは,DERを15.25%から6.40%に大幅に低減させ,4つのシステムの融合は,遠方場アライムティング評価セットにおいて,最終的に6.30%のDERを達成した。【JST・京大機械翻訳】

, , , , , ,
, , , , , 【Automatic Indexing@JST】

パターン認識 , 音声処理

, , ,

前のページに戻る