Neural Network Speaker Descriptor in Speaker Diarization of Telephone Speech

Kód výsledku v IS VaVaI

RIV/49777513:23520/17:43932647 - isvavai.cz

Výsledek na webu

https://link.springer.com/chapter/10.1007%2F978-3-319-66429-3_55

DOI - Digital Object Identifier

10.1007/978-3-319-66429-3_55

Jazyk výsledku

angličtina

Název v původním jazyce

Neural Network Speaker Descriptor in Speaker Diarization of Telephone Speech

Popis výsledku v původním jazyce

In this paper, we have been investigating an approach to a speaker representation for a diarization system that clusters short telephone conversation segments (produced by the same speaker). The proposed approach applies a neural-network-based descriptor that replaces a usual i-vector descriptor in the state-of-the-art diarization systems. The comparison of these two techniques was done on the English part of the CallHome corpus. The final results indicate the superiority of the i-vector's approach although our proposed descriptor brings an additive information. Thus, the combined descriptor represents a speaker in a segment for diarization purpose with lower diarization error (almost 20% relative improvement compared with only i-vector application).

Název v anglickém jazyce

Neural Network Speaker Descriptor in Speaker Diarization of Telephone Speech

Popis výsledku anglicky

In this paper, we have been investigating an approach to a speaker representation for a diarization system that clusters short telephone conversation segments (produced by the same speaker). The proposed approach applies a neural-network-based descriptor that replaces a usual i-vector descriptor in the state-of-the-art diarization systems. The comparison of these two techniques was done on the English part of the CallHome corpus. The final results indicate the superiority of the i-vector's approach although our proposed descriptor brings an additive information. Thus, the combined descriptor represents a speaker in a segment for diarization purpose with lower diarization error (almost 20% relative improvement compared with only i-vector application).

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

20205 - Automation and control systems

Projekt

DG16P02B048: Systém pro trvalé uchování dokumentace a prezentaci historických pramenů z období totalitních režimů

Návaznosti

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

Rok uplatnění

2017

Kód důvěrnosti údajů

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

Název statě ve sborníku

Speech and Computer 19th International Conference, SPECOM 2017, Hatfield, UK, September 12-16, 2017, Proceedings

ISBN

978-3-319-66428-6

ISSN

0302-9743

e-ISSN

neuvedeno

Počet stran výsledku

9

Strana od-do

555-563

Název nakladatele

Springer

Místo vydání

Cham

Místo konání akce

Hatfield, Hertfordshire, United Kingdom

Datum konání akce

12. 9. 2017

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—