neural diarization | BriefGPT

关键词neural diarization

搜索结果 - 6

不嵌入说话者：长形式神经辨说的无嵌入方法
在本文中，我们提出了一种新的框架，将神经联合抄录模型（EEND）应用于长篇音频，既不需要单独的说话者嵌入，又能够在本地和全局上实现显著的相对 DER 降低以及处理时间的计算复杂性探索。
PDF10 days ago
利用神经分析和合成框架进行端到端神经歌手消声的歌曲数据清洗
我们提出了一种数据清洗方法，利用神经分析和合成（NANSY++）框架训练了一种端到端神经分离模型（EEND）用于歌手分离。我们的方法通过利用预训练的 NANSY++ 将合唱声变为干净、非重叠的音频信号，从而减轻了合唱声对独唱声的错误标注，并
PDF12 days ago
用于神经说话人分割的多类别交叉熵损失函数
本文通过对 9 个不同测评的广泛实验，展示了从多标签分类转换到功集多类分类的形式可以显著提高性能（特别是对于重叠语音）和对领域不匹配的鲁棒性，同时消除多标签分类的检测阈值超参数。
PDF9 months ago
基于辅助网络的面向单词级端到端神经说话者日志线任务
我们提出了具有辅助网络的 Word 级端到端神经化登记（WEEND），这是一种多任务学习算法，能够在相同的神经架构中同时执行端到端自动语音识别（ASR）和说话人登记。实验结果表明，WEEND 在所有 2 个说话人短格式场景上优于基线系统
PDF10 months ago
TOLD：一种新颖的两阶段重叠感知演讲人分离框架
本文旨在通过两种新的端到端神经会话分离 (EEND) 模型来处理讲话者活动的重合和联系，分别为基于幂集编码的重合感知 EEND-OLA 和基于两阶段混合系统的 TOLD，结果表明相较于原始 EEND，EEND-OLA 在音频行话数据集上 D
PDFa year ago
基于 Transformer 的目标说话人语音活动检测及其与端到端神经分离的集成
本文提出了使用变长输入张量的基于 Transformer 的目标说话人语音活动检测（TS-VAD）的说话人分离模型。Transformer 层被应用于说话者维度，以使模型输出对提供给 TS-VAD 模型的说话者资料的顺序不敏感。同时，时间方
PDF2 years ago