Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2306.04268

帮助 | 高级搜索

计算机科学 > 声音

arXiv:2306.04268 (cs)
[提交于 2023年6月7日 ]

标题: 基于循环谐波特征的会议中多麦克风自动语音分割

标题: Multi-microphone Automatic Speech Segmentation in Meetings Based on Circular Harmonics Features

Authors:Théo Mariotte (LAUM, LIUM), Anthony Larcher (LIUM), Silvio Montrésor (LAUM), Jean-Hugh Thomas (LAUM)
摘要: 说话人分割是回答音频流中谁在何时说话的任务。 管道系统依赖语音分割来提取说话人的片段并实现稳健的说话人分割。 本文提出了一种通用框架,以解决远场语音场景中的三个分割任务: 语音活动检测(VAD)、重叠语音检测(OSD)和说话人变化检测(SCD)。 在文献中,有一些研究探讨了多麦克风远场语音场景。 在此工作中,我们提出了一组基于圆谐域(CH-DOA)中到达方向估计的新空间特征。 这些空间特征从多麦克风音频数据中提取,并与标准声学特征相结合。 在AMI会议语料库上的实验表明,CH-DOA可以在麦克风关闭的情况下保持稳健性并改善分割。
摘要: Speaker diarization is the task of answering Who spoke and when? in an audio stream. Pipeline systems rely on speech segmentation to extract speakers' segments and achieve robust speaker diarization. This paper proposes a common framework to solve three segmentation tasks in the distant speech scenario: Voice Activity Detection (VAD), Overlapped Speech Detection (OSD), and Speaker Change Detection (SCD). In the literature, a few studies investigate the multi-microphone distant speech scenario. In this work, we propose a new set of spatial features based on direction-of-arrival estimations in the circular harmonic domain (CH-DOA). These spatial features are extracted from multi-microphone audio data and combined with standard acoustic features. Experiments on the AMI meeting corpus show that CH-DOA can improve the segmentation while being robust in the case of deactivated microphones.
评论: 国际语音通信协会(ISCA)2023年国际语音会议,2023年8月,都柏林,爱尔兰
主题: 声音 (cs.SD) ; 计算与语言 (cs.CL); 音频与语音处理 (eess.AS)
引用方式: arXiv:2306.04268 [cs.SD]
  (或者 arXiv:2306.04268v1 [cs.SD] 对于此版本)
  https://doi.org/10.48550/arXiv.2306.04268
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Theo Mariotte [查看电子邮件]
[v1] 星期三, 2023 年 6 月 7 日 09:09:00 UTC (72 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
cs
< 上一篇   |   下一篇 >
新的 | 最近的 | 2023-06
切换浏览方式为:
cs.CL
cs.SD
eess
eess.AS

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

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

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

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.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号