多模型融合的VoxSRC22說話人日志系統(tǒng)

摘要： 為有效解決“誰在什么時候說話”的問題，提出一種說話人日志方法。該方法由六個模塊組成，包括語音活動檢測（voice activity detection,VAD）、語音增強、說話人嵌入提取器、說話人聚類、重疊語音檢測（overlapping speech detection,OSD）和結果融合。利用語音增強技術可以改善語音活動檢測的性能。有效地結合不同的說話人嵌入提取器和聚類算法... （共9頁）