AI 助理
备案控制台
开发者社区 问答 正文

SEND模型如何解决重叠语音的说话人识别问题？

SEND模型如何解决重叠语音的说话人识别问题？

展开
收起
圆葱猪肉包 2024-08-21 14:52:47 19 分享 版权

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。

1 条回答
写回答
取消 提交回答
  • 穿过生命散发芬芳

    基于嵌入码的说话人日志模型（Speaker Embedding-aware Neural Diarization，SEND）。该模型通过动态维护说话人嵌入码记忆单元的数量，提高了对说话人数量的灵活性，既能够应对较多的说话人也不需要提前设定说话人数量；另外，通过幂集编码将重叠语音的说话人日志任务由多标签预测问题重新建模为单标签分类问题，大大提高了对重叠语音的说话人识别率。我们还利用语音中丰富的语义信息，将所提出的方法进行扩展，进一步提高了模型的识别性能。
    image.png

    ——参考链接。

    2024-08-31 07:43:38
    赞同 展开评论
问答分类：
语音技术
问答地址：
开发者社区 > 人工智能 > 问答
相关问答
OSS的endpoint如何查看
31245
3
0
this xml file does not appear to have any style in
37327
9
0
有哪些值得收藏的五个种子搜索引擎&磁力搜索引擎？
98155
16
0
支付宝H5 下载的时候，提示 【请确保该下载文件来源安全,如需浏览,请长按网址复制后使用浏览器访问】
238374
10
0
如果购买了域名，一定要备案才能用吗
39266
36
0
互联网信息服务增值电信业务经营许可证申请资料
7001
2
0
com/action/joingroup?code=v1是什么意思
209802
20
0
java的官网网址是什么
34498
23
0
企业邮箱免费版
9933
4
0
什么是红帽认证？
3459
1
0