计算机科学 > 声音
[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
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。
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.