What challenges do researchers face when designing speaker count detection algorithms?

Некоторые сложности, с которыми сталкиваются исследователи при разработке алгоритмов обнаружения количества говорящих:

• Перекрывающаяся речь. www.researchgate.net Для корректного определения количества говорящих важно правильно маркировать входные кадры речи статусом перекрытия или количеством говорящих. www.researchgate.net
• Помехи. www.researchgate.net При работе с записями может возникать сильное вмешательство других голосов, которые находятся дальше, в микрофон целевого говорящего. www.researchgate.net
• Неизвестное заранее количество говорящих. stackoverflow.com Например, при использовании подхода кластеризации предполагается, что аудио можно разделить на фиксированное количество неперекрывающихся сегментов и попытаться сгруппировать их в кластеры, соответствующие разным говорящим. stackoverflow.com
• Вариации в аудио. stackoverflow.com Подход диарризации устойчив к различным источникам вариаций в аудио, таким как перекрывающаяся речь, фоновый шум и характеристики говорящих, но может быть вычислительно дорогим. stackoverflow.com
• Выбор оптимальной стратегии. www.audiolabs-erlangen.de Например, остаётся неясным, как лучше обрабатывать вывод сети, чтобы делать оценки количества говорящих. www.audiolabs-erlangen.de