DyShip

新框架利用声学特征对说话人关系进行分类

研究人员开发了DyShip，一个利用二元对话中的声学特征对说话人关系（如熟悉度和亲属关系）进行分类的新框架。该研究比较了五种不同的语音表示方法，发现光谱特征在熟悉度分类方面达到了87.81%的准确率，而WavLM在亲属关系分类方面达到了85.17%的准确率。DyShip框架的分类器在同一数据集上优于先前的人类和音频语言模型得分，表明声学线索在推断对话关系方面具有巨大潜力。