Диаризация (:ngjn[genx)

Перейти к навигации Перейти к поиску

Диаризация (или разделение дикторов) — процесс разделения входящего аудиопотока на однородные сегменты в соответствии с принадлежностью аудиопотока тому или иному говорящему. Диаризация повышает качество текстов при автоматическом транскрибировании, а также может использоваться совместно с системой распознавания речи, значительно её улучшая. Диаризация используется для ответа на вопрос «Кто сейчас говорит?». Диаризация является сочетанием методов сегментации и кластеризации дикторов. Первый направлен на поиск точек смены диктора, второй — на группирование выделенных в речи диктора речевых сегментов.

Одним из популярных методов при диаризации является использование алгоритмов на основе гауссовых смесей для моделирования каждого из говорящих и закрепление выделенных фрагментов за каждым из дикторов с помощью скрытой марковской модели[1].

Программное обеспечение

[править | править код]

Программные средства для диаризации включают в себя[2]:

  • ALIZE[3]
  • LIUM_SpkDiarization[4]
  • Audioseg — сегментация и классификация аудиопотоков[5]
  • SHoUT[6]
  • pyAudioAnalysis

Примечания

[править | править код]
  1. Speaker Diarization: A Review of Recent Research Архивная копия от 4 января 2015 на Wayback Machine // icsi.berkeley.edu, 2012.
  2. Cultural and historical digital libraries dynamically mined from news archives Архивная копия от 5 марта 2016 на Wayback Machine D2.1: State of the Art, Project’s deliverable
  3. ALIZE Diarization System, University Of Avignon. Дата обращения: 4 января 2015. Архивировано 4 января 2015 года.
  4. SpkDiarization. Дата обращения: 11 сентября 2019. Архивировано из оригинала 28 января 2019 года.
  5. InriaForge: AudioSeg: Project Home. Дата обращения: 4 января 2015. Архивировано 4 января 2015 года.
  6. SHoUT speech recognition toolkit. Дата обращения: 4 января 2015. Архивировано 17 декабря 2014 года.

Литература

[править | править код]
  • Будков В. Ю., Ронжин А. Л. Комбинированные методы диаризации речи дикторов. «Информационно-измерительные и управляющие системы» № 8, 2013.
  • Anguera, Xavier et al. Speaker diarization: A review of recent research // Audio, Speech, and Language Processing, IEEE Transactions on. — IEEE, 2012. — Vol. 20. — P. 356—370. — ISSN 1558-7916. — doi:10.1109/TASL.2011.2125954.
  • Beigi, Homayoon. Fundamentals of Speaker Recognition. — Springer, 2011. — 942 p. — ISBN 978-0-387-77591-3.