Speaker Diarization of Broadcast Audio Using Automatic Transcription, iVectors and Cosine Distance Scoring

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F46747885%3A24220%2F12%3A%230002002" target="_blank" >RIV/46747885:24220/12:#0002002 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Speaker Diarization of Broadcast Audio Using Automatic Transcription, iVectors and Cosine Distance Scoring

Popis výsledku v původním jazyce

In this paper we present our system for speaker diarization of broadcast audio. In the system, segmentation of the processed spoken document utilizes an automatic transcription and speech segments determined by the speaker change point detector are represented by iVectors. Similarity of speech segments is evaluated using cosine distance scoring and linear discriminant analysis is applied to cope with intra-speaker variability. We demonstrate improvement of the performance over the baseline system employing methods based on the Bayesian Information Criterion (BIC). The presented speaker diarization system achieved 39.2% relative improvement of the diarization error rate over the baseline.

Název v anglickém jazyce

Speaker Diarization of Broadcast Audio Using Automatic Transcription, iVectors and Cosine Distance Scoring

Popis výsledku anglicky

In this paper we present our system for speaker diarization of broadcast audio. In the system, segmentation of the processed spoken document utilizes an automatic transcription and speech segments determined by the speaker change point detector are represented by iVectors. Similarity of speech segments is evaluated using cosine distance scoring and linear discriminant analysis is applied to cope with intra-speaker variability. We demonstrate improvement of the performance over the baseline system employing methods based on the Bayesian Information Criterion (BIC). The presented speaker diarization system achieved 39.2% relative improvement of the diarization error rate over the baseline.

Druh

D - Stať ve sborníku

CEP obor

JC - Počítačový hardware a software

OECD FORD obor

—

Projekt

<a href="/cs/project/TA01011204" target="_blank" >TA01011204: Živé archivy</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2012

Kód důvěrnosti údajů

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

Název statě ve sborníku

Proc. of 54th International Symposium ELMAR-2012

ISBN

978-1-4673-1243-1

ISSN

1334-2630

e-ISSN

—

Počet stran výsledku

4

Strana od-do

211-214

Název nakladatele

—

Místo vydání

Zadar, Chorvatsko

Místo konání akce

Zadar, Chorvatsko

Datum konání akce

1. 1. 2012

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—