Разработка системы диаризации дикторов для отслеживания дикторов в аудиозаписях новостных радиопередач: тематическое исследование

Представлена система отслеживания дикторов в аудиоданных новостных радиопередач и оценено влияние ее основных компонентов на общую эффективность отслеживания дикторов. Процесс отслеживания дикторов в непрерывных аудиопотоках включает несколько задач обработки и поэтому рассматривается как многоэтапный процесс. Основные блоки такой системы включают компоненты сегментации аудиосигнала, обнаружения речи, кластеризации дикторов и идентификации дикторов. Цель первых трех процессов заключается в выявлении однородных участков непрерывных аудиопотоков, относящихся к одному диктору, и объединении всех участков, принадлежащих одному и тому же диктору. Организация аудиоданных таким образом известна как диаризация дикторов и играет важную роль в различных приложениях обработки речи. В данном исследовании влияние диаризации дикторов оценивалось в системе отслеживания дикторов путем сравнительного анализа того, как каждый компонент влияет на общие результаты обнаружения дикторов. Эксперименты по оценке проводились на аудиоданных новостных радиопередач с использованием системы отслеживания дикторов, способной обнаруживать 41 целевого диктора. Для каждого компонента системы были реализованы несколько различных подходов, а их эффективность сравнивалась путем анализа итоговых результатов отслеживания дикторов. Результаты оценки свидетельствуют о важности компонентов сегментации аудиосигнала и обнаружения речи, тогда как дополнительное включение компонента кластеризации дикторов в систему отслеживания дикторов не обеспечило существенного улучшения общих результатов.