2023 VoxCeleb 演讲者识别挑战中的 UNISOUND 系统

本文介绍了Microsoft公司的单声道多人对话录音扬声器辨识系统，并用VoxCeleb挑战赛2020年的说话人辨识赛道进行了评估。系统解决了真实多人对话记录中的问题，包括说话人嵌入提取器、连续语音分离和泄漏过滤，以及系统融合方法。使用VoxSRC challenge 2020数据集进行评估，最佳系统在开发集和评估集上的辨识错误率（DER）分别为3.71％和6.23％，并在辨识赛道上排名第一。