BriefGPT - AI 论文速递
·
MSA-ASR：利用冻结的ASR模型进行高效多语种说话人归属
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
我们提出了一种端到端的多通道说话人归属自动语音识别系统（MC-SA-ASR），结合了Conformer编码器和Transformer解码器。该系统在LibriSpeech数据集上实现了12%至16%的词错误率降低，并在AMI语料库中验证了其在真实会议转录中的有效性。
🎯
关键要点
- 提出了一种端到端的多通道说话人归属自动语音识别系统（MC-SA-ASR）。
- 该系统结合了Conformer编码器和基于说话人归属的Transformer解码器。
- 这是第一个在多通道环境中高效集成ASR和说话人识别模块的模型。
- 在LibriSpeech数据集上，系统的词错误率（WER）相对降低了12%至16%。
- 研究了不同输入特征对ASR性能的影响，包括多通道幅度和相位信息。
- 在AMI语料库上验证了系统在真实多通道会议转录中的有效性。
🏷️
标签
➡️
