arXiv 2102.099392021-02-10eess.AScs.SDeess.SP

第三届DIHARD挑战赛的ABSP系统

ABSP System for The Third DIHARD Challenge

Indian Institute of Technology Kharagpur（印度理工学院卡拉格普尔分校）；Université de Lorraine（洛林大学）；CNRS（法国国家科学研究中心）；Inria（法国国家信息与自动化研究所）；LORIA（洛里亚实验室）

A Kishore Kumar, Shefali Waldekar, Goutam Saha, Md Sahidullah

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

摘要英文摘要相关论文

摘要：

本报告描述了由ABSP实验室团队为第三次DIHARD语音日记挑战开发的说话人日记系统。我们的主要贡献是开发用于说话人日志化的声学域识别（ADI）系统。我们研究基于扬声器嵌入的ADI系统。我们应用一个域相关的阈值凝聚层次聚类。此外，我们优化参数PCA的降维领域相关的方式。我们的方法集成域为基础的处理方案的基线系统的挑战实现了相对改善$9.63\%$和$10.64\%$在DER的核心和完整的条件，分别为轨道1的DIHARD III评估集。

英文摘要：

This report describes the speaker diarization system developed by the ABSP Laboratory team for the third DIHARD speech diarization challenge. Our primary contribution is to develop acoustic domain identification (ADI) system for speaker diarization. We investigate speaker embeddings based ADI system. We apply a domain-dependent threshold for agglomerative hierarchical clustering. Besides, we optimize the parameters for PCA-based dimensionality reduction in a domain-dependent way. Our method of integrating domain-based processing schemes in the baseline system of the challenge achieved a relative improvement of $9.63\%$ and $10.64\%$ in DER for core and full conditions, respectively, for Track 1 of the DIHARD III evaluation set.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

第三次DIHARD挑战的领域相关说话人日记

Domain-Dependent Speaker Diarization for the Third DIHARD Challenge

Indian Institute of Technology Kharagpur（印度理工学院克勒格布尔分校）；CNRS（法国国家科学研究中心）；Inria（法国国家信息与自动化研究所）；LORIA（洛林信息学及其应用研究实验室）

本报告介绍了ABSP实验室团队为第三次DIHARD语音日记化挑战开发的系统。我们在这项工作中的主要贡献是开发一个简单而有效的解决方案，声学域相关的语音日记。我们探讨\emph{acoustic domain identification}（ADI）任务的说话人嵌入。我们的研究表明，在第三个DIHARD挑战数据集中，基于i向量的方法比基于x向量的方法实现了更好的性能。接下来，我们将ADI模块与diarization框架集成。当我们优化凝聚层次聚类的阈值和各个声学域评分过程中的降维参数时，性能大大提高。对于DIHARD III评价集的轨道1，我们分别在核心和完全条件下实现了DER中$9.63\%$和$10.64\%$的相对改善。

2021-01-25cs.LGcs.SDeess.AS

第三次DIHARD挑战评估计划

Third DIHARD Challenge Evaluation Plan

University of Pennsylvania（宾夕法尼亚大学）；Baidu Research（百度研究院）；University of Science and Technology of China（中国科学技术大学）；Indian Institute of Science（印度科学学院）

本文介绍了第三个DIHARD挑战，第三个在一系列的扬声器日志化的挑战，旨在提高日志化系统的鲁棒性，在录音设备，噪声条件和会话域的变化。该挑战包括两个轨道，当从参考语音分段（轨道1）开始时评估日志化性能，并且从原始音频草稿（轨道2）开始日志化。我们描述的任务，指标，数据集和评估协议。

2020-12-02cs.SDeess.AS

第三个DIHARD日记挑战

The Third DIHARD Diarization Challenge

Linguistic Data Consortium, University of Pennsylvania（宾夕法尼亚大学语言数据联盟）；Indian Institute of Science（印度科学理工学院）；Baidu Research（百度研究院）；University of Science and Technology of China（中国科学技术大学）

DIHARD III是一系列演讲者日志化挑战中的第三个，旨在提高日志化系统对录音设备、噪音条件和对话领域变化的鲁棒性。在两种语音活动条件下（从参考语音活动的日记与从头开始的日记）和11个不同的域下评估说话者日记。这些领域涵盖了一系列记录条件和交互类型，包括阅读有声读物、会议演讲、临床访谈、网络视频，以及第一次出现的对话电话语音。来自工业界和学术界的30个组织（组成21个小组）提交了499个有效的系统输出。评估结果表明，自DIHARD I以来，说话人日记化有了明显的改善，特别是对于两方交互，但对于许多领域（例如，网络视频），这个问题仍然远未解决。

2021-04-05cs.SDeess.AS

鲁棒声域辨识及其在说话人识别中的应用

Robust Acoustic Domain Identification with its Application to Speaker Diarization

Indian Institute of Technology Kharagpur（印度理工学院克勒格布尔分校）；GITAM (Deemed to be University)（甘地技术与管理大学（认定大学））；Université de Lorraine（洛林大学）

随着多年来多媒体内容的增加，在音频的记录环境中观察到更多的变化。当音频处理系统在其前端具有识别声学域的模块时，音频处理系统可能会受益。在本文中，我们展示了\emph{acoustic domain identification}（ADI）的思想，为\emph{speaker diarization}。为此，我们首先对第三个DIHARD挑战的各个领域进行了详细的研究，突出了将它们彼此区分开来的因素。我们的主要贡献是为ADI公司开发简单高效的解决方案。在目前的工作中，我们探讨这个任务的发言人嵌入。接下来，我们将ADI模块与DIHARD III挑战赛的演讲者日记框架集成。当凝聚层次聚类的阈值根据各自的域进行优化时，性能大大提高。在DIHARD III评估集的轨道1上，我们分别在核心和完全条件下实现了DER的$5\%$和$8\%$以上的相对改善。

2022-08-08cs.SDeess.AS

DKU-Duke-Lenovo第三届DIHARD语音日记挑战赛的系统描述

The DKU-Duke-Lenovo System Description for the Third DIHARD Speech Diarization Challenge

Duke University（杜克大学）；Lenovo（联想集团）；Duke Kunshan University（昆山杜克大学）

在本文中，我们提出了DKU-Duke-Lenovo团队第三次DIHARD语音日记挑战赛的提交系统。我们的系统包括几个模块：语音活动检测（VAD），分割，说话人嵌入提取，注意相似性评分，凝聚层次聚类。此外，目标扬声器VAD（TSVAD）用于电话呼叫数据，以进一步提高性能。我们最终提交的系统在任务1上的核心评估集和完整评估集的DER分别为15.43%和13.39%，在任务2上的核心评估集和完整评估集的DER分别为21.63%和18.90%。

2021-02-06cs.SDeess.AS

基于卷积递归神经网络的三类重叠语音检测

Three-class Overlapped Speech Detection using a Convolutional Recurrent Neural Network

Naver Corporation（NAVER 公司）

在这项工作中，我们提出了一个重叠的语音检测系统训练为三级分类。与传统的系统，执行二进制分类是否包含重叠的语音帧，所提出的方法分为三类：非语音，单扬声器语音，和重叠的语音。通过使用更详细的标签定义训练网络，模型可以更好地确定给定帧中包含的扬声器数量。卷积递归神经网络架构被探索以受益于卷积层对局部模式进行建模的能力和递归层对顺序信息进行建模的能力。提出的重叠语音检测模型在DIHARD II评估集中建立了最先进的性能，精确度为0.6648，召回率为0.3222，显示召回率增加了20%，精确度也更高。此外，我们还介绍了一个简单的方法，利用建议的重叠语音检测模型的说话人日记，排名第三位的轨道1的DIHARD III挑战。

2021-04-07cs.LGcs.SDeess.AS

更多相关论文收起更多论文

LEAP提交第三次DIHARD日记挑战

LEAP Submission for the Third DIHARD Diarization Challenge

本文描述了DIHARD-III挑战的LEAP提交。该系统由语音带宽分类器和分别针对窄带和宽带语音进行微调的日志化系统组成。我们使用一个端到端的扬声器日记系统的窄带会话电话语音录音。对于宽带多说话人录音，我们使用基于神经嵌入的聚类方法，类似于基线系统。嵌入提取的时间延迟神经网络（称为x向量），其次是基于图的路径积分聚类（PIC）的方法。LEAP系统显示，与组织者提供的基线系统相比，轨道1和轨道2分别有24%和18%的相对改善。本文描述了挑战提交、评价后分析和在DIHARD-III数据集上观察到的改进。

2021-06-14eess.AS

DIHARD-III挑战的USTC-NELSLIP系统描述

USTC-NELSLIP System Description for DIHARD-III Challenge

University of Science and Technology of China（中国科学技术大学）；iFlytek Research（讯飞研究院）；Georgia Institute of Technology（佐治亚理工学院）

这个系统描述描述了我们的提交系统的第三DIHARD语音日记挑战。除了传统的基于聚类的系统，我们的系统的创新之处在于结合各种前端技术来解决日志化问题，包括语音分离和基于目标说话人的语音活动检测（TS-VAD），结合迭代数据净化。我们还采用了音频域分类设计域相关的处理。最后，我们进行后处理，进行系统融合和选择。我们最好的系统在评估集上分别在轨道1和轨道2中实现了11.30%和16.78%的DER。

2021-03-19cs.LGcs.SDeess.AS

日立-JHU DIHARD III系统：竞争端到端神经日志化和X向量聚类系统结合DOVER-Lap

The Hitachi-JHU DIHARD III System: Competitive End-to-End Neural Diarization and X-Vector Clustering Systems Combined by DOVER-Lap

Hitachi, Ltd.（日立公司）；Johns Hopkins University（约翰斯·霍普金斯大学）

本文提供了一个详细的描述日立JHU系统，提交给第三DIHARD语音日记挑战。该系统输出五个子系统的集成结果：两个基于x向量的子系统，两个基于端到端神经诊断的子系统和一个混合子系统。我们完善每个系统，所有五个子系统都变得相互竞争和互补。在基于DOVER-Lap的系统组合之后，其在Track 1完整和核心中分别实现11.58%和14.09%的日志化错误率，以及在Track 2完整和核心中分别实现16.94%和20.01%的日志化错误率。凭借他们的成绩，我们在所有挑战任务中获得第二名。

2021-02-02cs.CLcs.SDeess.AS