基于时空结构的跨设备说话人链接
用无监督时空约束改进跨房间说话人聚类与链接。
为什么重要
为无标签跨房间说话人链接提供了可复现实验依据和局限分析。
阅读原文arxiv.org
AI 解读（根据原文生成）
论文研究在没有访客注册或身份标签的情况下，将独立录制房间中的访客说话人进行跨设备链接。方法结合逐设备嵌入中心化、并发约束、按房间类型设置的就诊约束，以及由并发访客和已识别员工声音校准的聚类阈值。在基于 VOiCES 录音构建的模拟门诊流程中，该方法在 11 个提取器上均提升 B^3-F1，并分析了跨房间重复语音移除、单次就诊患者误合并等限制。论文可通过 arXiv 获取。
要点（AI 据原文整理，数字均已与原文核对）
- On simulated days built from VOiCES recordings, with companions, return visits, walk-ins, silent visits, and acoustic leakage, it improves B^3-F1 over the best label-free baseline for all 11 extractor
- ECAPA-TDNN reaches 86.6, compared with 76.4 for the best label-free baseline and 87.7 for the best oracle-informed baseline.
- Without removing duplicated cross-room speech, the method wins for only 2 of 11 extractors.
- Single-visit patients also remain vulnerable to false merges.
- Authors: Suhas BN, Nikitha K.