$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

단일 레이블 분류를 이용한 종단 간 화자 분할 시스템 성능 향상에 관한 연구
A study on end-to-end speaker diarization system using single-label classification 원문보기

한국음향학회지= The journal of the acoustical society of Korea, v.42 no.6, 2023년, pp.536 - 543  

정재희 (인천대학교 컴퓨터공학부) ,  김우일 (인천대학교 컴퓨터공학부)

초록
AI-Helper 아이콘AI-Helper

다수의 화자가 존재하는 음성에서 "누가 언제 발화했는가?"에 대해 레이블링하는 화자 분할은 발화 중첩 구간에 대한 레이블링과 화자 분할 모델의 최적화를 위해 심층 신경망 기반의 종단 간 방법에 대해 연구되었다. 대부분 심층 신경망 기반의 종단 간 화자 분할 시스템은 음성의 각 프레임에서 발화한 모든 화자의 레이블들을 추정하는 다중 레이블 분류 문제로 분할을 수행한다. 다중 레이블 기반의 화자 분할 시스템은 임계값을 어떤 값으로 설정하는지에 따라 모델의 성능이 많이 달라진다. 본 논문에서는 임계값 없이 화자 분할을 수행할 수 있도록 단일 레이블 분류를 이용한 화자 분할 시스템에 대해 연구하였다. 제안하는 화자 분할 시스템은 기존의 화자 레이블을 단일 레이블 형태로 변환하여 모델의 출력으로부터 레이블을 바로 추정한다. 훈련에서는 화자 레이블 순열을 고려하기 위해 Permutation Invariant Training(PIT) 손실함수와 교차 엔트로피 손실함수를 조합하여 사용하였다. 또한 심층 구조를 갖는 모델의 효과적인 학습을 위해 화자 분할 모델에 잔차 연결 구조를 추가하였다. 실험은 Librispeech 데이터베이스를 이용해 화자 2명에 대한 시뮬레이션 잡음 데이터를 생성하여 사용하였다. Diarization Error Rate(DER) 성능 평가 지수를 이용해 제안한 방법과 베이스라인 모델을 비교 평가했을 때, 제안한 방법이 임계값 없이 분할이 가능하며, 약 20.7 %만큼 향상된 성능을 보였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Speaker diarization, which labels for "who spoken when?" in speech with multiple speakers, has been studied on a deep neural network-based end-to-end method for labeling on speech overlap and optimization of speaker diarization models. Most deep neural network-based end-to-end speaker diarization sy...

주제어

#종단 간 화자 분할   #단일 레이블   #잔차 연결 구조   #손실함수 조합  

표/그림 (5)

참고문헌 (18)

  1. D. Garcia-Romero, D. Snyder, G. Sell, D. Povey, and？A. McCree, "Speaker diarization using deep neural？network embeddings," Proc. ICASSP, 4930-4934？(2017). 

  2. Q. Wang, C. Downey, L. Wan, P. A. Mansfield, and I.？L. Moreno, "Speaker diarization with LSTM," Proc.？ICASSP, 5239-5243 (2018). 

  3. M. Diez, L. Burget, S. Wang, J. Rohdin, and H.？Cernocky, "Bayesian HMM based x-Vector clustering？for speaker diarization," Proc. Interspeech, 346-350？(2019). 

  4. I. Medennikov, M. Korenevsky, T. Prisyach, Y.？Khokhlov, M. Korenevskaya, I. Sorokin, T. Timofeeva,？A. Mitrofanov, A. Andrusenko, I. Podluzhny, A. Laptev,？and A. Romanenko, "Target-speaker voice activity？detection: a novel approach for multispeaker diarization？in a dinner party scenario," Proc. Interspeech, 274-278？(2020). 

  5. Y. C. Liu, E. Han, C. Lee, and A. Stolcke, "End-to-end？neural diarization: From transformer to conformer,"？Proc. Interspeech, 3081-3085 (2021). 

  6. Z. Du, S. Zhang, S. Zheng, and Z. Yan, "Speaker？embedding-aware neural diarization: A novel framework for overlapping speech diarization in the meeting？scenario," arXiv preprint arXiv:2203.09767 (2022). 

  7. Y. Fujita, N. Kanda, S. Horiguchi, K. Nagamatsu, and？S. Watanabe, "End-to-end neural speaker diarization？with permutation-free objectives," Proc. Interspeech,？4300-4304 (2019). 

  8. Y. Fujita, N. Kanda, S. Horiguchi, Y. Xue, K. Nagamatsu,？and S. Watanabe, "End-to-end neural speaker diarization？with self-attention," Proc. ASRU, 296-303 (2019). 

  9. Y. Yu, D. Park, and H. K. Kim, "Auxiliary loss of？transformer with residual connection for end-to-end？speaker diarization," Proc. ICASSP, 8377-8381 (2022). 

  10. V. Panayotov, G. Chen, D. Povey, and S. Khudanpur,？"Librispeech: An asr corpus based on public domain？audio books," Proc. ICASSP, 5206-5210 (2015). 

  11. D. Snyder, G. Chen, and D. Povey, "Musan: A music,？speech, and noise corpus," arXiv preprint arXiv:1510.08484 (2015). 

  12. T. Ko, V. Peddinti, D. Povey, M. L. Seltzer, and S.？Khudanpur, "A study on data augmentation of reverberant speech for robust speech recognition," Proc.？ICASSP, 5220-5224 (2017). 

  13. J. Carletta, "Unleashing the killer corpus: experiences？in creating the multi-everything AMI Meeting Corpus,"？Lang. Resour. Eval. 41, 181-190 (2007). 

    상세보기

  14. A. Janin, D. Baron, J. Edwards, D. Ellis, D. Gelbart, N.？Morgan, B. Peskin, T. Pfau, E. Shriberg, A. Stolcke,？and C. Wooters, "The ICSI meeting corpus," Proc.？ICASSP, 364-367 (2003). 

  15. A. Vaswani, N. Shazeer, N. Parmar, J. Uszkoreit, L.？Jones, A. N. Gomez, L. Kaiser, and I. Polosukhin,？"Attention is all you need," Proc. NIPS, 5998-6008？(2017). 

  16. J. G. Fiscus, J. Ajot, and J. S. Garofolo, The Rich？Transcription 2007 Meeting Recognition Evaluation？(Springer, Maryland, 2007), pp. 373-389. 

  17. H. Bredin, R. Yin, J. M. Coria, G. Gelly, P.？Korshunov, M. Lavechin, D. Fustes, H. Titeux, W,？Bouaziz, and M. P. Gill, "Pyannote. audio: Neural？building blocks for speaker diarization," Proc. ICASSP,？7124-7128 (2020). 

  18. H. Bredin and A. Laurent, "End-to-end speaker segmentation for overlap-aware resegmentation," Proc.？Interspeech, 3111-3115 (2021). 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로