Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > eess > arXiv:2508.05055v1

帮助 | 高级搜索

电气工程与系统科学 > 音频与语音处理

arXiv:2508.05055v1 (eess)
[提交于 2025年8月7日 ]

标题: MOVER:结合多个会议识别系统

标题: MOVER: Combining Multiple Meeting Recognition Systems

Authors:Naoyuki Kamo, Tsubasa Ochiai, Marc Delcroix, Tomohiro Nakatani
摘要: 在本文中,我们提出了会议识别输出投票误差减少(MOVER),一种用于会议识别任务的新型系统组合方法。尽管有结合说话人分离(例如,DOVER)或自动语音识别(ASR)系统(例如,ROVER)输出的方法,MOVER 是第一个可以结合在说话人分离和 ASR 方面都不同的会议识别系统输出的方法。MOVER 通过一个五阶段过程结合具有不同时间间隔和说话人标签的假设,包括说话人对齐、段落分组、词语和时间组合等。在 CHiME-8 DASR 任务和 NOTSOFAR-1 任务的多通道轨道上的实验结果表明,MOVER 可以成功结合多个具有不同说话人分离和识别输出的会议识别系统,在两个任务上相对于最先进系统分别实现了 9.55% 和 8.51% 的相对 tcpWER 改进。
摘要: In this paper, we propose Meeting recognizer Output Voting Error Reduction (MOVER), a novel system combination method for meeting recognition tasks. Although there are methods to combine the output of diarization (e.g., DOVER) or automatic speech recognition (ASR) systems (e.g., ROVER), MOVER is the first approach that can combine the outputs of meeting recognition systems that differ in terms of both diarization and ASR. MOVER combines hypotheses with different time intervals and speaker labels through a five-stage process that includes speaker alignment, segment grouping, word and timing combination, etc. Experimental results on the CHiME-8 DASR task and the multi-channel track of the NOTSOFAR-1 task demonstrate that MOVER can successfully combine multiple meeting recognition systems with diverse diarization and recognition outputs, achieving relative tcpWER improvements of 9.55 % and 8.51 % over the state-of-the-art systems for both tasks.
主题: 音频与语音处理 (eess.AS)
引用方式: arXiv:2508.05055 [eess.AS]
  (或者 arXiv:2508.05055v1 [eess.AS] 对于此版本)
  https://doi.org/10.48550/arXiv.2508.05055
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Naoyuki Kamo [查看电子邮件]
[v1] 星期四, 2025 年 8 月 7 日 06:17:13 UTC (111 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
eess.AS
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-08
切换浏览方式为:
eess

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号