流式说话人分离器适配中的指标遮蔽：遗忘为何看似提升，以及 rehearsal 的代价

When Forgetting Looks Like Improvement: Metric Masking in Streaming Diarizer Adaptation and the Price of Rehearsal

AI 导读

一项 arXiv 研究在 7.5 小时双人对话数据上适配一个已发布的流式说话人分离器，并在六个语料库上评测，发现适配显著提升域内分离性能且可迁移到独立语料，但改进在不同评测场景下并不一致，额外混淆主要来自时间身份一致性受损而非说话人数错误。局部重映射诊断显示不同语料的身份退化模式各异，rehearsal 虽能减轻退化却会降低跨域迁移性能。

正文 · AI 翻译

查看 PDF HTML（实验性）

摘要：小数据适配可以提升语音检测，却会降低说话人归属性能。我们在一个已发布的流式说话人分离系统上研究了这一差异，该系统在 7.5 小时的双人对话数据上进行了适配，并在六个语料库上进行了评估。适配显著提升了域内说话人分离性能，并可迁移到独立语料库。然而，这种提升在不同评估场景下并不一致，因为额外的混淆主要与时间身份一致性受损有关，而非说话人数量错误。一种局部重映射诊断揭示了不同语料库中身份退化的不同模式，表明适配可能改变流式模型随时间维持说话人分配的方式。排练可减少观察到的退化，但会降低跨域迁移性能。这些结果凸显了在适配流式说话人分离系统时，需要联合评估检测准确率、身份一致性和保持行为。

评论：	5 页，4 幅图
主题：	计算与语言（cs.CL）；声音（cs.SD）；音频与语音处理（eess.AS）
引用为：	arXiv:2610.08828 [cs.CL]
	（或 arXiv:2610.08828v1 [cs.CL] 用于此版本）
	https://doi.org/10.48550/arXiv.2610.08828 arXiv 颁发的 DOI，通过 DataCite（待注册）

提交历史

来自：Mo Yu [查看电子邮件]
[v1] 2026 年 9 月 26 日星期六 04:07:01 UTC（458 KB）

来源：arXiv cs.CL · arxiv.org