Օբյեկտ

Վերնագիր: Building a Speaker Diarization System: Lessons from VoxSRC 2023

Journal or Publication Title:

Математические вопросы кибернетики и вычислительной техники=Կիբեռնետիկայի և հաշվողական տեխնիկայի մաթեմատիկական հարցեր=Mathematical problems of computer science

Date of publication:

2023

Number:

60

ISSN:

2579-2784 ; e-2538-2788

Additional Information:

Քարամյան Դավիթ Ս., Կիրակոսյան Գրիգոր Ա., Карамян Давид С., Киракосян Григор А.

Other title:

Խոսնակների դիարիզացիայի համակարգի կառուցում. դասեր VoxSRC-ից ; Построение системы диаризации дикторов: опыт из VoxSRC 2023

Corporate Creators:

Russian-Armenian University ; Krisp.ai, Yerevan ; Institute of Mathematics of NAS RA

Coverage:

52–62

Abstract:

Speaker diarization is the process of partitioning an audio recording into segments corresponding to individual speakers. In this paper, we present a robust speaker diarization system and describe its architecture. We focus on discussing the key components necessary for building a strong diarization system, such as voice activity detection (VAD), speaker embedding, and clustering. Our system emerged as the winner in the Voxceleb Speaker Recognition Challenge (VoxSRC) 2023, a widely recognized competition for evaluating speaker diarization systems.
Диаризация дикторов - это процесс разделения аудиозаписи на сегменты, которые соответствуют отдельным дикторам. В этой статье представлена надежная система диаризации говорящих и описана архитектура данной системы. Cосредоточено внимание на обсуждении ключевых компонентов, таких как обнаружение речевой активности экстрактор речевых характеристик и кластеризация, которые необходимы для создания надежной системы диаризации. Данная система стала победителем конкурса Voxceleb Speaker Recognition Challenge (VoxSRC) 2023, широко признанного конкурса по оценке систем диаризации дикторов.
Խոսնակների դիարիզացիայի նպատակը աուդիո ձայնագրության մեջ տարբեր խոսնակների հայտնաբերելն ու առանձնացնելն է: Այս հոդվածում ներկայացված է դիարիզացման հուսալի համակարգ, ինչպես նաև նկարագրված են այդ համակարգի կառուցվածքն ու հիմնական բաղադրիչները, ինչպիսիք են ձայնի հայտնաբերումը, խոսնակների ձայնային հատկանիշներ դուրս բերող մոդելը և կլաստերացումը, որոնք անհրաժեշտ են դիարիզացման հուսալի համակարգ ստեղծելու համար: Այս համակարգը հաղթող է ճանաչվել Voxceleb Speaker Recognition Challenge (VoxSRC) 2023 մրցույթում, որը լայնորեն ճանաչված է խոսնակների դիարիզացման համակարգերի գնահատման մրցույթում:


Publisher:

Изд-во НАН РА

Format:

pdf

Identifier:

oai:arar.sci.am:367000

General note:

Պարբերականի սույն պրակը նվիրվում է տեխնիկական գիտությունների թեկնածու Սուրեն Բախշիի Ալավերդյանի հիշատակին

Location of original object:

ՀՀ ԳԱԱ Հիմնարար գիտական գրադարան

Օբյեկտի հավաքածուներ:

Վերջին անգամ ձևափոխված:

Sep 19, 2024

Մեր գրադարանում է սկսած:

Dec 8, 2023

Օբյեկտի բովանդակության հարվածների քանակ:

17

Օբյեկտի բոլոր հասանելի տարբերակները:

https://arar.sci.am/publication/396614

Ցույց տուր նկարագրությունը RDF ձևաչափով:

RDF

Ցույց տուր նկարագրությունը OAI-PMH ձևաչափով։

OAI-PMH

Հրատարակության անուն Ամսաթիվ
Karamyan, D., Building a Speaker Diarization System: Lessons from VoxSRC 2023 Sep 19, 2024

Օբյեկտի տեսակ՝

Նման

Այս էջը օգտագործում է 'cookie-ներ'։ Ավելի տեղեկատվություն