结合语义的说话人日志系统是如何解决传统纯声学方案的问题的？
结合语义的说话人日志系统是如何解决传统纯声学方案的问题的？
展开
收起
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
-
结合语义的说话人日志系统通过引入Forced-Alignment模块来对齐文本和speaker embedding过程，并使用ASR输出的文本结果输入到语义模块中来提取说话人相关的语义信息。通过对话预测和说话人转换预测两个基于Bert的模型，判断多人对话中说话人转换的发生及具体位置，解决了传统纯声学方案在说话人音色相近、频繁切换、抢话以及声学环境复杂时的问题。
2024-06-30 23:02:02赞同 展开评论
相关问答