亚秒延迟下五款说话人嵌入模型基准评测

Abhishek Gautam 发布基准评测，在严格亚秒级延迟预算下测试 TitaNet-Large、TitaNet-Small、ECAPA-TDNN、CAM++ 和 SpeakerNet 五款开源说话人嵌入模型。结果显示，嵌入前先去噪普遍有害，会抬高所有架构的等错误率（EER）；把音频截断到完整语音活动段以下，也会让每个模型性能下降。 该评测面向实时语音 AI 智能体在低延迟条件下的说话人嵌入选型，结论指向保留完整语音段、避免前置去噪。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。