Journal or Publication Title:
Date of publication:
Number:
ISSN:
Additional Information:
Քարամյան Դավիթ Ս., Կիրակոսյան Գրիգոր Ա., Карамян Давид С., Киракосян Григор А.
Title:
Building a Speaker Diarization System: Lessons from VoxSRC 2023
Other title:
Խոսնակների դիարիզացիայի համակարգի կառուցում. դասեր VoxSRC-ից ; Построение системы диаризации дикторов: опыт из VoxSRC 2023
Creator:
Corporate Creators:
Russian-Armenian University ; Krisp.ai, Yerevan ; Institute of Mathematics of NAS RA
Subject:
Mathematical cybernetics ; Computer science
Uncontrolled Keywords:
Speaker recognition ; Speaker diarization ; VoxSRC 2023
Coverage:
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: