Loose coupling of spectral and spatial models for multi-channel diarization and enhancement of meetings in dynamic environments
Rattachement africain : de, jp. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
Sound capture by microphone arrays opens the possibility to exploit spatial, in addition to spectral, information for diarization and signal enhancement, two important tasks in meeting transcription. However, there is no one-to-one mapping of positions in space to speakers if speakers move. Here, we address this by proposing a novel joint spatial and spectral mixture model, whose two submodels are loosely coupled by modeling the relationship between speaker and position index probabilistically. Thus, spatial and spectral information can be jointly exploited, while at the same time allowing for speakers speaking from different positions. Experiments on the LibriCSS data set with simulated speaker position changes show great improvements over tightly coupled subsystems.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
Où se fait cette recherche
-
Paderborn University pays non établi dans la noticeUniversité ou école supérieure
-
NTT (Japan) pays non établi dans la noticeEntreprise
-
NTT Medical Center pays non établi dans la noticeÉtablissement de santé
-
Inc. NTT pays non établi dans la noticeEntreprise
Paderborn University, NTT (Japan) et NTT Medical Center, avec 1 autre affiliation.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.