BriefGPT - AI 论文速递
·
在端到端神经语音分离中利用说话者嵌入识别双方讲话的情景
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
该论文提出了一种基于编码器-解码器的吸引因子计算方法，用于支持不同数量的说话人，并利用自我注意力端到端神经说话人分离网络（SA-EEND）来提取讲话嵌入序列和生成说话人活动。实验结果表明，该方法在模拟的双说话人条件和未知说话人数量的条件下都取得了更好的说话人分离性能。
🎯
关键要点
- 提出了一种基于编码器-解码器的吸引因子计算方法
- 该方法支持不同数量的说话人
- 利用自我注意力端到端神经说话人分离网络（SA-EEND）提取讲话嵌入序列
- 生成说话人活动
- 实验结果显示该方法在双说话人条件下表现更好
- 在未知说话人数量条件下也取得了更好的说话人分离性能
- 相较于传统的基于聚类的说话人分离模型和端到端模型，该方法具有优势
➡️
