Bayesian HMM based x-vector clustering for Speaker Diarization

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26230%2F19%3APU134175" target="_blank" >RIV/00216305:26230/19:PU134175 - isvavai.cz</a>

Výsledek na webu

<a href="https://www.isca-speech.org/archive/Interspeech_2019/pdfs/2813.pdf" target="_blank" >https://www.isca-speech.org/archive/Interspeech_2019/pdfs/2813.pdf</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.21437/Interspeech.2019-2813" target="_blank" >10.21437/Interspeech.2019-2813</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Bayesian HMM based x-vector clustering for Speaker Diarization

Popis výsledku v původním jazyce

This paper presents a simplified version of the previously proposed diarization algorithm based on Bayesian Hidden Markov Models, which uses Variational Bayesian inference for very fast and robust clustering of x-vector (neural network based speaker embeddings). The presented results show that this clustering algorithm provides significant improvements in diarization performance as compared to the previously used Agglomerative Hierarchical Clustering. The output of this system can be further employed as an initialization for a second stage VB diarization system, using frame-wise MFCC features as input, to obtain optimal results.

Název v anglickém jazyce

Bayesian HMM based x-vector clustering for Speaker Diarization

Popis výsledku anglicky

This paper presents a simplified version of the previously proposed diarization algorithm based on Bayesian Hidden Markov Models, which uses Variational Bayesian inference for very fast and robust clustering of x-vector (neural network based speaker embeddings). The presented results show that this clustering algorithm provides significant improvements in diarization performance as compared to the previously used Agglomerative Hierarchical Clustering. The output of this system can be further employed as an initialization for a second stage VB diarization system, using frame-wise MFCC features as input, to obtain optimal results.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2019

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Proceedings of Interspeech

ISBN

—

ISSN

1990-9772

e-ISSN

—

Počet stran výsledku

5

Strana od-do

346-350

Název nakladatele

International Speech Communication Association

Místo vydání

Graz

Místo konání akce

INTERSPEECH 2019

Datum konání akce

15. 9. 2019

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000831796400070