arXiv cs.CL· Stephen Fernandes, Narayan Choudhary·· 3 天前AI 评分24
Anuvani-Diarization：覆盖 22 种语言的零样本说话人分离与标注规范研究
Anuvani-Diarization: Zero Shot Speaker Diarization and Annotation Conventions Across 22 Languages
AI 导读
研究团队在 IndicDiarBench 上系统评测了印度 22 种表列语言的说话人分离，并提出 Anuvani-Diarization，将自监督端到端分割模型通过不确定性感知的 silver 监督适配到印度对话场景。
正文 · AI 翻译
摘要：印度的 22 种表列语言有超过十亿人在使用，他们的对话中会混合多种语言，常常在同一轮话语内切换，自由地重叠，并发生在电话、会议和媒体中。知道谁在何时说话，即说话人日志（speaker diarization）任务，对于此类对话的语音应用至关重要：与多人同时交谈的语音代理、会议和通话的说话人归属转写、联络中心分析以及媒体监测。我们对 IndicDiarBench 上全部 22 种语言的说话人日志进行了系统性研究，并提出了 Anuvani-Diarization，它将自监督端到端分割模型适配到印度对话中，并采用不确定性感知的银标注监督。在零样本评估中与九个近期的说话人日志系统一同评测，它在全部 1,164 段录音上达到了时长加权的说话人日志错误率（DER）16.78%，是我们运行的所有系统中最低的，仅次于已发表的最佳结果（16.0%），并在 22 种语言中的 14 种上领先于三个最强对手。它在六个国际基准上与母模型持平。我们还表明，该基准的话语级标注约定是一个隐藏变量，价值 1.9 到 4.1 个 DER 点，具体取决于系统，并且从其他印度语转写中学到的约定无法迁移。
| 主题： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2610.20327 [cs.CL] |
| （或 arXiv:2610.20327v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.20327 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Stephen Fernandes [查看电子邮件]
[v1]
2026 年 10 月 14 日星期三 15:12:20 UTC（302 KB）
来源：arXiv cs.CL · arxiv.org