Диаризация

Материал из Википедии — свободной энциклопедии
Перейти к навигации Перейти к поиску

Диаризация (или разделение дикторов) — процесс разделения входящего аудиопотока на однородные сегменты в соответствии с принадлежностью аудиопотока тому или иному говорящему. Диаризация повышает качество текстов при автоматическом транскрибировании, а также может использоваться совместно с системой распознавания речи, значительно её улучшая. Диаризация используется для ответа на вопрос «Кто сейчас говорит?». Диаризация является сочетанием методов сегментации и кластеризации дикторов. Первый направлен на поиск точек смены диктора, второй — на группирование выделенных в речи диктора речевых сегментов.

Одним из популярных методов при диаризации является использование алгоритмов на основе гауссовых смесей для моделирования каждого из говорящих и закрепление выделенных фрагментов за каждым из дикторов с помощью скрытой марковской модели[1].

Программное обеспечение[править | править код]

Программные средства для диаризации включают в себя[2][3][неавторитетный источник?]:

  • ALIZE[4]
  • LIUM_SpkDiarization[5]
  • Audioseg — сегментация и классификация аудиопотоков[6]
  • SHoUT[7]
  • pyAudioAnalysis

Примечания[править | править код]

Литература[править | править код]