Dec, 2020

贝叶斯 HMM 聚类 x 向量序列（VBx）在说话人分离中的理论、实现和标准任务分析

PDF
TL;DRVBx diarization method achieves superior performance on CALLHOME, AMI, and DIHARDII datasets by using a Bayesian hidden Markov model to find speaker clusters in x-vector sequences, and efficient formulae for the VBx model are presented while highlighting the lack of a standardized evaluation protocol for the AMI dataset in this paper.
发现论文，激发创造
  • 粘性 HDP-HMM 及其在说话人分离中的应用

    采用贝叶斯非参数方法，利用层次狄利克雷过程隐马尔可夫模型（HDP-HMM）解决会议音频数据的说话人分离问题，提出了增强的 HDP-HMM 模型以控制状态切换速率和实现发射分布的非参数处理，以及利用 Dirichlet 过程的截断逼近提高混合速率的采样算法，与 Benchmark NIST 数据集的实验结果表明，我们的方法取得了最优的结果。

    May, 2009

  • 说话人分离的概率嵌入

    利用从短时间内的语音中提取的说话人 embedding（x-vectors）在说话人辨识任务中进行了竞争性表现，本文在该方案中提取了对角精度矩阵，用于衡量声音质量，并构建了概率说话人 embedding，将其作为输入应用于 AHC 算法用于辨识，接口与 PLDA 模型，实现对参数进行联合判别训练，与基础算法相比提高了精度。

    Apr, 2020

  • VoxConverse Challenge 中 BUT Diarization System 的分析

    本文介绍了 BUT 团队在 VoxCeleb 讲者识别挑战的第四个跟踪中针对 VoxConverse 数据集开发的系统，重点关注了 diarization。该系统包括信号预处理、语音活动检测、说话人嵌入提取、初始化凝聚 Hierarchical 聚类后采用贝叶斯隐藏 Markov 模型进行 diarization、基于每个说话人全局嵌入的重新聚类步骤以及重叠语音检测和处理。我们为每个步骤提供比较，并分享我们系统中最相关模块的实现。我们的系统在主要指标（diarization 错误率）方面得分第二，并根据辅助指标（Jaccard 错误率）得分第一。

    Oct, 2020

  • 结合 X-Vectors 和贝叶斯批量主动学习：用于语音识别的两阶段主动学习流程

    该研究通过强调数据为中心的人工智能方法，引入一种新的两阶段主动学习（AL）流程，用于自动语音识别（ASR），结合了无监督和监督的 AL 方法。该方法通过使用 x-vectors 聚类从未标记的语音数据中选择样本进行多样化的样本选择，从而建立了对后续监督 AL 的强大的初始数据集。与此同时，该方法还结合了专门为 ASR 开发的一种批量 AL 策略，通过使用 x-vectors 聚类实现样本多样性，并使用适应 Monte Carlo dropout 的贝叶斯 AL 方法识别出最具信息量的样本。该方法通过准确的不确定性估计，显著降低了 ASR 模型训练所需的数据量，相比竞争方法在同质、异质和 OOD 测试集上表现出优异的性能，证明了战略性样本选择和创新的贝叶斯建模在基于深度学习的 ASR 应用中可以极大地优化标记工作和数据利用。

    May, 2024

  • 使用 LSTM 进行说话者分离

    本文介绍一种基于 d-vectors 的说话者辨识方法，将 LSTM-based 的 d-vector audio embeddings 与非参数聚类相结合，实现了最新的说话者辨识系统，与传统 i-vector 系统相比，取得了更好的结果。

    Oct, 2017

  • 用变分 HEM 对隐藏马尔可夫模型进行聚类

    本文提出了一种称为变分分层 EM (VHEM) 的算法，用于基于分层 EM 算法 (HEM) 对 HMM 进行聚类。该算法将给定的 HMM 集合聚类成相似的 HMM 组，并用集群中的 HMM 表示集群，以便更好地在时序数据的各种任务上使用。结果显示，VHEM 能够改善模型鲁棒性、减少学习时间和内存需求。

    Oct, 2012

  • 基于被边缘化的束搜索算法的分层隐马尔可夫模型

    本文提出了两种新算法来解决在分层隐马尔可夫模型中推断状态序列时遇到的问题。这两种算法当应用于外在状态序列时，相比 Viterbi 算法有更高的性能表现。通过模拟和采用纳米孔测序数据评估了这些算法的表现。

    May, 2023

  • 基于在线自适应隐式马尔科夫模型的多目标跟踪融合

    本文提出了一种名为 HMMTxD 的视觉目标跟踪新方法，利用一个隐式马尔可夫模型将来自互补外部跟踪器和检测器的观测融合起来，且无监督地训练该模型以更新部分注释数据，实验结果表明该方法在不同数据集上均优于现有技术。

    Apr, 2015

  • X-vector 基础发言人匿名化的设计选择

    本文针对 VoicePrivacy Challenge 设计了一种基于 x-vector 的柔性伪说话人选择技术，并探索了多种设计选择以评估它的匿名化和实用性，同时使用 LibriSpeech 数据集进行实验，报告了匿名数据的 Equal Error Rate（EER）和解码 Word Error Rate（WER）。

    May, 2020

  • HMM 的维特比训练和最大似然估计的比较分析

    本文通过基于生成函数的分析框架，探讨了 Viterbi Training 算法对隐马尔可夫模型参数估计的优劣，并发现该算法在自动奥卡姆剃刀原理下，能够更快速地收敛，实现更为简洁的模型学习。

    Dec, 2013