多模型融合的VoxSRC22说话人日志系统

摘要： 为有效解决“谁在什么时候说话”的问题，提出一种说话人日志方法。该方法由六个模块组成，包括语音活动检测（voice activity detection,VAD）、语音增强、说话人嵌入提取器、说话人聚类、重叠语音检测（overlapping speech detection,OSD）和结果融合。利用语音增强技术可以改善语音活动检测的性能。有效地结合不同的说话人嵌入提取器和聚类算法... （共9页）