
下面是公开课的回顾:
在深度学习的推动下,在典型单说话人语音场景下,语音识别系统的准确率已经达到了人工转录员的水平。但是在包含说话人语音重叠的多说话人场景下准确地识别语音仍然是一个非常挑战的任务,这需要对多个同时讲话的说话人进行转录。特别是会议场景中包含了更多挑战,如说话人重叠率较高的多人讨论、说话人数量未知、远场语音信号衰减、噪声和混响干扰等。本次公开课概述了多说话人语音识别的背景、研究现状,对比分析目前已发布的多说话人数据集,而后对本人硕士期间多说话人语音识别前沿工作进行介绍,包括多通道多说话人语音识别、基于级联的说话人相关语音识别、基于非自回归的说话人相关语音识别等工作,最后对未来工作进行展望。
至此,本期公开课圆满结束。语音之家将持续为大家带来干货满满的技术分享,敬请关注!
