arXiv cs.CL· Kieran Sturges, Thomas Thebaud, Yaohan Guan, Najim Dehak·· 10 小时前AI 评分22
DyShip：利用声学特征从双人对话中分类说话人关系
Dyship: Leveraging Acoustic Features For Speaker Relationship Classification From Dyadic Conversations
AI 导读
DyShip 框架在 Seamless Interaction 语料库上对双人对话的说话人熟悉度与亲属关系进行分类，对比了频谱图、MFCC、WavLM、x-vector 和发音动作五种语音表征。
正文 · AI 翻译
摘要：我们提出 DyShip，一个用于在 Seamless Interaction 语料库中根据双人对话对说话人熟悉度和亲属关系进行分类的框架。我们比较了五种语音表示：频谱图、MFCC、自监督 WavLM 表示、x-vector 以及估计的发音运动。频谱特征在熟悉度分类上表现最佳，准确率达到 87.81%，而 WavLM 在亲属关系分类上取得最高的 85.17% 准确率。x-vector 和发音特征在熟悉度分类上结果较弱，但在亲属关系分类上表现出色，x-vector 的 AUC 为 0.909。大多数分类器超过了此前在同一数据集上报告的人类和音频语言模型得分。这些发现凸显了传统声学特征在关系推断方面的潜力，并促使进一步研究不同表示所捕获的对话线索。
| 评论： | 5 页，审稿中 |
| 主题： | 计算与语言（cs.CL）；人工智能（cs.AI） |
| 引用为： | arXiv:2611.14241 [cs.CL] |
| （或 arXiv:2611.14241v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.14241 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Thomas Thebaud [查看电子邮件]
[v1]
2026 年 11 月 10 日星期二 15:53:43 UTC（351 KB）
来源：arXiv cs.CL · arxiv.org