计算机应用研究

作者：朱必松,毛启容,高利剑,沈雅馨,

单位：1.江苏大学计算机科学与通信工程学院,江苏镇江212013；2.江苏省大数据泛在感知与智能农业应用工程研究中心,江苏镇江212013；

关键词：说话人日志,聚类,噪声,邻域,

基金：国家自然科学基金重点资助项目(U1836220)；国家自然科学基金面上项目(62176106)；江苏省重点研发计划资助项目(BE2020036)；江苏省研究生科研与实践创新计划资助项目(KYCX22_3668)；江苏大学应急管理学院专项科研项目(KY-A-01)；；

当前的说话人日志方法大多采用标准的全局聚类的方式来区分不同说话人的语音片段，没有考虑到同一个人的声音在不同的噪声条件下具有不同的特征分布，而这会增大类内距离，从而降低聚类精度。鉴于相邻的语音片段往往包含相同的背景噪声，提出一种新的基于时间分段和重组聚类的说话人日志方法以解决上述问题。首先，将所有语音片段按时间连续性划分成多个独立的时间段，并在段内进行局部聚类；然后，将不同时间段中属于同一个说话人的语音片段重新合并。此外，在聚类时利用语音片段的邻域信息来校准它们之间的相似度。通过这种方式降低了直接在不同噪声条件下进行聚类的概率，提高了聚类精度。在公开数据集AMI SDM和VoxConverse上的实验结果表明，与基线方法相比，所提方法的日志错误率分别相对降低了34%和16%，充分证明了该方法的有效性。

来源：2024年第9期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2024年第9期