Диаризация
Диаризация (или разделение дикторов) — процесс разделения входящего аудиопотока на однородные сегменты в соответствии с принадлежностью аудиопотока тому или иному говорящему. Диаризация повышает качество текстов при автоматическом транскрибировании, а также может использоваться совместно с системой распознавания речи, значительно её улучшая. Диаризация используется для ответа на вопрос «Кто сейчас говорит?». Диаризация является сочетанием методов сегментации и кластеризации дикторов. Первый направлен на поиск точек смены диктора, второй — на группирование выделенных в речи диктора речевых сегментов.
Одним из популярных методов при диаризации является использование алгоритмов на основе гауссовых смесей для моделирования каждого из говорящих и закрепление выделенных фрагментов за каждым из дикторов с помощью скрытой марковской модели[1].
Программное обеспечение
Примечания
- Speaker Diarization: A Review of Recent Research // icsi.berkeley.edu, 2012.
- Cultural and historical digital libraries dynamically mined from news archives Архивная копия от 5 марта 2016 на Wayback Machine D2.1: State of the Art, Project’s deliverable
- Development of a Speaker Recognition Solution in Vidispine: Karen Farnes, Master’s Thesis in Computing Science, Umeå University, 2013
- ALIZE Diarization System, University Of Avignon
- SpkDiarization (недоступная ссылка). Дата обращения: 11 сентября 2019. Архивировано 28 января 2019 года.
- InriaForge: AudioSeg: Project Home
- SHoUT speech recognition toolkit
Литература
- Будков В. Ю., Ронжин А. Л. Комбинированные методы диаризации речи дикторов. «Информационно-измерительные и управляющие системы» № 8, 2013.
- Anguera, Xavier et al. Speaker diarization: A review of recent research // Audio, Speech, and Language Processing, IEEE Transactions on. — IEEE, 2012. — Vol. 20. — P. 356—370. — ISSN 1558-7916. — doi:10.1109/TASL.2011.2125954.
- Beigi, Homayoon. Fundamentals of Speaker Recognition. — Springer, 2011. — 942 p. — ISBN 978-0-387-77591-3.