Detail publikace

Optimizing Bayesian Hmm Based X-Vector Clustering for the Second Dihard Speech Diarization Challenge

DIEZ SÁNCHEZ, M.; BURGET, L.; LANDINI, F.; WANG, S.; ČERNOCKÝ, J. Optimizing Bayesian Hmm Based X-Vector Clustering for the Second Dihard Speech Diarization Challenge. In ICASSP, IEEE International Conference on Acoustics, Speech and Signal Processing - Proceedings. Barcelona: IEEE Signal Processing Society, 2020. p. 6519-6523. ISBN: 978-1-5090-6631-5.
Název česky
Optimalizace bayesovského shlukování x-vektorů založených na HMM pro druhou soutěž DIHARD v diarizaci řeči
Typ
článek ve sborníku konference
Jazyk
anglicky
Autoři
Diez Sánchez Mireia, M.Sc., Ph.D. (UPGM)
Burget Lukáš, doc. Ing., Ph.D. (UPGM)
Landini Federico Nicolás (UPGM)
Wang Shuai
Černocký Jan, prof. Dr. Ing. (UPGM)
URL
Klíčová slova

Speaker Diarization, Variational Bayes, HMM, x-vector, DIHARD

Abstrakt

Tento článek představuje analýzu našeho diarizačního systému, který  vyhrál druhou soutěž DIHARD v diarizaci řeči, běh 1. Tento systém je založen na shlukování x-vektorových speaker embeddings extrahovaných každých 0,25 s z krátkých segmentů vstupního záznamu. V tomto článku jsme se zaměřili na dva x-vektory použité shlukovací metody, jmenovitě Aglomerační hierarchie klastrování následované klastrováním založeným na Bayesiánu Skrytý Markovův model (BHMM). I když systém podaný do soutěže podstoupil další kroky po zpracování, ukážeme, že použití jen tohoto BHMM stačí k dosažení nejlepšího výkonu v této soutěži.

Rok
2020
Strany
6519–6523
Sborník
ICASSP, IEEE International Conference on Acoustics, Speech and Signal Processing - Proceedings
Konference
2020 IEEE INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH AND SIGNAL PROCESSING (ICASSP), Barcelona, ES
ISBN
978-1-5090-6631-5
Vydavatel
IEEE Signal Processing Society
Místo
Barcelona
DOI
10.1109/ICASSP40776.2020.9053982
UT WoS
000615970406156
EID Scopus
2-s2.0-85089236514
BibTeX 
@inproceedings{BUT163963,
  author="Mireia {Diez Sánchez} and Lukáš {Burget} and Federico Nicolás {Landini} and Shuai {Wang} and Jan {Černocký}",
  title="Optimizing Bayesian Hmm Based X-Vector Clustering for the Second Dihard Speech Diarization Challenge",
  booktitle="ICASSP, IEEE International Conference on Acoustics, Speech and Signal Processing - Proceedings",
  year="2020",
  pages="6519--6523",
  publisher="IEEE Signal Processing Society",
  address="Barcelona",
  doi="10.1109/ICASSP40776.2020.9053982",
  isbn="978-1-5090-6631-5",
  url="https://ieeexplore.ieee.org/document/9053982"
}
Nahoru