研究人员开发了一个名为PS4的新框架，用于在真实的对话音频上训练目标说话人提取（TSE）模型。该方法通过构建一个包含71,000多个样本的语料库来解决大规模、干净的训练数据缺乏的问题。PS4框架采用代理监督联合训练策略，包含自动语音识别、说话人相似度、语音活动检测和感知音频质量四个目标，以微调基于BSRNN的模型。该方法在REAL-T挑战排行榜上获得第二名，在说话人相似度和时序方面表现强劲。 AI
影响 提高了在嘈杂的真实世界音频中分离特定语音的能力，可能有助于转录和分析工具。
排序理由 该集群包含一篇研究论文，详细介绍了用于说话人提取的新框架和方法。 [lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
