BriefGPT - AI 论文速递
·
端到端多通道说话人归属 ASR：说话人指导解码器与输入特征分析
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
该研究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，结合了基于 Conformer 的编码器和基于说话人归属的 Transformer 解码器。该模型在语音识别中表现出色，尤其是在多通道会议转录中。研究还探讨了不同输入特征对ASR性能的影响。
🎯
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）。
- 该系统结合了基于 Conformer 的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 数据的模拟混合语音中，系统的词错误率（WER）相对降低了 12% 和 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 语料库上进行了实验，确认了系统在真实多通道会议转录中的有效性。
➡️
