1
条回答
写回答
写回答
-
我们提出的基于麦克风阵列的多通道说话人区分系统，首先利用麦克风阵列获取SRP-PHAT空间相位信息进行空间声源定位。同时，结合神经网络的VAD模块、Overlap检测模块和说话人segmentation模块，最终通过embedding+空间信息+时间信息的AHC聚类算法，实现对每个说话人的精准定位和追踪，从而显著提升会议场景下的说话人区分性能。
2024-08-19 22:33:38赞同 2 展开评论 打赏
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
相关问答
问答排行榜
最热
最新
推荐问答
