计算机科学 > 计算与语言
[提交于 2023年6月4日
]
标题: 端到端联合目标和非目标说话人语音识别
标题: End-to-End Joint Target and Non-Target Speakers ASR
摘要: 本文提出了一种新颖的自动语音识别(ASR)系统,该系统可以从多说话人重叠语音中转录个别说话人的语音,并识别他们是否为目标说话人或非目标说话人。 目标说话人ASR系统是一种有前景的方法,可以通过注册目标说话人的信息仅转录目标说话人的语音。 然而,在对话式ASR应用中,通常需要转录目标说话人和非目标说话人的语音以理解交互信息。 为了在单一ASR模型中自然地考虑目标和非目标说话人,我们的想法是扩展基于自回归建模的多说话人ASR系统,以利用目标说话人的注册语音。 我们提出的ASR通过递归生成文本标记以及表示目标或非目标说话人的标记来执行。 我们的实验证明了我们所提出方法的有效性。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.