声纹技术（五）：声纹分割聚类技术

2024-06-24 19:24:15

5.1　分割聚类：更好地理解对话语音

5.1.1　关于名称与历史

声纹分割聚类（speaker diarization）是声纹领域里仅次于声纹识别的第二大课题，其难度远大于声纹识别。声纹识别所解决的问题可以简单概括为——“这是谁说的”，而这其中便包含了一个假设，那就是已知待识别的语音中，有且仅有一个说话人的声音。而在声纹分割聚类问题中，我们却推翻了这个假设，也就是说，一段语音中可以包含多个说话人交替说话的声音。因此，声纹分割聚类所解决的问题可以概括为——“谁在什么时间说的”（who spoke when）。

英文中diarization 一词，来源于单词diary，也就是日记或日志。从diary 到动词diarize，再到名词diarization，从字面来说，可以理解为“使……成为日志”，或者说“日志化”。一般而言，一篇日志通常会记载在一天的时间里，什么人在什么时间做了什么事。那么引申到speaker diarization，自然就可以理解为“什么人在什么时间说了什么话”。

关于speaker diarization 这个名称最早的由来，已经难以考究了。一些早期的文献直接将该问题称作speaker segmentation and clustering [114，115]，这也是为什么较多的中文文献将其翻译为“声纹分割聚类”[116]。不过随着该领域的发展，尤其是近年来监督式方法（见5.5 节）甚至是端到端模型（见5.5.6 节）的出现，“分割聚类”这个名称已经不再合适了。无论是分割还是聚类，都可以用其他方法来替代。笔者比较喜欢的另一个中文翻译是“声纹分时归档”

声纹技术（五）：声纹分割聚类技术相关推荐

《Arduino实战》——3.3　制作一架五声音阶电子琴
本节书摘来自异步社区<Arduino实战>一书中的第3章,第3.3节,作者 [美]Martin Evans , Joshua Noble , Jordan Hochenbaum ,译者况 ...
声纹采集器和声纹数据库在公安领域的应用
1.声纹数据库与指纹库.DNA库类似,声纹库建设是一项有着重要实战价值的工作,具体表现在声纹特征具有非接触式采集的优点,和已有DNA库.指纹库相结合,可形成立体生物特征库,建成后直接为多警种服务,是 ...
声音内容识别 linux,语音支付，银行的声纹识别与声纹鉴定
原标题:语音支付,银行的声纹识别与声纹鉴定近日,人民网官方微博表示:声纹识别已用于部分银行.开启声纹验证,只要说出随机动态码,就能进行转账.支付等交易.专家:每个人说话时的短时频谱.声源等都有差异. ...
声纹识别demo_声纹识别 iOS SDK 文档
# 声纹识别 iOS SDK 文档 # 1.简介声纹识别(Voiceprint Recognition),是一项提取说话人声音特征和说话内容信息,自动核验说话人身份的技术.MSC SDK 声纹识别( ...
声纹识别demo_声纹识别 · 科大讯飞MSC开发指南-iOS · 看云
[TOC] 声纹识别,主要是提供基于用户声纹特征的注册.验证服务.讯飞开放平台支持2种类型的声纹密码类型,即文本密码和数字密码,在注册时需要指定声纹类型. ~~~ //创建声纹对象 isvRec=[I ...
声纹识别demo_声纹识别 · JD NeuHub API Documents
声纹识别一.接口描述 1. 功能描述声纹识别基于说话人的声音提供说话人确认功能. 2. 能力说明声纹识别API提供说话人注册以及说话人确认的功能.用户可以先用声音进行注册,再根据声音进行说话人确 ...
报名丨“眼界大开声临其境”网易首届音视频技术大会倒计时！
视觉是万物感知的主要信息来源,听觉让沉默的信息更进一步,变得"有声有色". 移动互联网时代下,"声色俱佳"的在线学习.工作.娱乐方式广受欢迎,互动直播.视频会议 ...
无人驾驶汽车系统入门（二十五）——基于欧几里德聚类的激光雷达点云分割及ROS实现
无人驾驶汽车系统入门(二十五)--基于欧几里德聚类的激光雷达点云分割及ROS实现上一篇文章中我们介绍了一种基于射线坡度阈值的地面分割方法,并且我们使用pcl_ros实现了一个简单的节点,在完成了点云 ...
hp计算机主机报警声,电脑开机报警响5声什么原因_电脑开机出现五声报警声如何解决-win7之家...
电脑使用时间久了,总是会出现这样那样的问题,就有用户反映说电脑开机的时候,出现报警响5声,不知道出现这样的现象是什么原因引起的,又该如何解决呢,针对电脑开机出现五声报警声这个问题,接下来给大家讲解一下 ...

最新文章

热门文章