Oct, 2023
一瞥即足够：通过关注关键词提取目标句子
A Glance is Enough: Extract Target Sentence By Looking at A keyword
TL;DR本研究使用关键词作为输入，探讨从多人说话中提取目标句子的可能性。通过使用Transformer架构嵌入关键词和语音，以及借助交叉注意机制从混杂与重叠的语音中选择正确的内容，实验证明该方法在非常嘈杂和混合的语音中（SNR=-3dB）能够有效提取目标句子，达到26%的电话错误率（PER），而基准系统的PER为96%。