Distant Overlapped Speech Detection Using a Microphone Array
Détection de parole superposée distante à l’aide d’une antenne de microphones
Résumé
Overlapped speech occurs when multiple speakers are simultaneously active. This may lead to severe performance degradation in automatic speech processing tasks like diarization. Overlapped speech detection aims at detecting time segments where several speakers are simultaneously active. Recently, deep neural networks have been extensively used to solve this task. However, performance tends to deteriorate in the far-field scenario. To tackle this problem, microphone arrays can be used to record audio signals. This paper investigates the use of self-attention channel combinators as features extractor for overlapped speech detection. Results show that self-attentive models can help detection and get closer to the close-talk scenario performances.
La parole superposée correspond à l'activité simultanée de plusieurs locuteurs dans un enregistrement audio. Elle est source de dégradation des performances des modèles de traitement automatique de la parole. C'est notamment le cas dans le contexte de la segmentation et du regroupement en locuteurs. La détection de parole superposée détermine les instants où ces évènements interviennent. La généralisation de l'utilisation des réseaux de neurones a permis un gain significatif en performances sur cette tâche. La détection tend cependant à se dégrader en conditions de parole distante. Les travaux présentés étudient l'utilisation de mécanismes d'auto-attention pour combiner les canaux issus des différents microphones d'une antenne. Cette approche est mise en \oe uvre dans le contexte de la détection de parole superposée distante et permet de s'approcher des performances obtenues en champ proche.
| Origine | Fichiers produits par l'(les) auteur(s) |
|---|