Fig. 2. Speaker-diarization results

Fig. 2. Speaker-diarization results on the SiBN database when using different clustering procedures. The lower DER values correspond to better performance The speaker-diarization results in Figure 2 correspond to the speaker-clustering performance of the tested approaches on the SiBN data. The overall performance of the speaker-clustering approaches varies between 13.5% and 16%, measured using the overall DER. The clust_UBM_MAP_CLR and clust_FUSION approaches perform slightly better than the baseline clust_REF_BIC approach across the whole range of evaluation points. When the clust_FUSION and the clust_REF_BIC approaches are compared, it is clear that the SiBN results display significant differences in the speaker diarization performance of both approaches, which is in favor of the clust_FUSION approach. This indicates that adding the prosodic characteristics of speakers to the basic acoustic information could improve the speaker clustering. The same can be concluded from comparing the clust_UBM_MAP_CLR
approach with the baseline BIC approach. The performance of the clust_UBM_MAP_CLR approach improved when enough clustering data were available for the GMM estimations, which resulted in lower DERs in comparison to the baseline BIC approach, when the number of clusters shrinks (the DER results display a better performance for the clust_UBM_MAP_CLR approach in the range below the evaluation point +10 in Figure 2).It is also interesting to note that the DER trajectories of all the approaches achieved their minimum DER values around the evaluation point 0. This means that if all the clustering approaches were to be stopped when the number of clusters is equal to the number of actual speakers in the data, all the approaches would exhibit their optimum speaker-diarization performance. At that point the best clustering result was achieved with the clust_FUSION approach.

Kết quả (Việt) 1:

Hình 2. Loa-diarization các kết quả trên cơ sở dữ liệu SiBN khi sử dụng các thủ tục kết cụm khác nhau. Các giá trị DER thấp tương ứng với hiệu suất tốt hơn kết quả loa-diarization trong hình 2 tương ứng với cụm loa hiệu suất của các phương pháp thử nghiệm trên các dữ liệu SiBN. Hiệu suất tổng thể của các cụm loa hướng tiếp cận khác nhau giữa 13,5% và 16%, được đo bằng cách sử dụng tổng thể DER. Phương pháp tiếp cận clust_UBM_MAP_CLR và clust_FUSION thực hiện một chút tốt hơn so với đường cơ sở clust_REF_BIC phương pháp tiếp cận trên phạm vi toàn bộ đánh giá điểm. Khi clust_FUSION và clust_REF_BIC phương pháp tiếp cận được so sánh, rõ ràng là kết quả SiBN Hiển thị sự khác biệt đáng kể trong loa diarization hiệu suất của cả hai phương pháp tiếp cận, đó là trong lợi của phương pháp tiếp cận clust_FUSION. Điều này cho thấy rằng việc thêm các đặc tính prosodic của loa để thông tin âm thanh cơ bản có thể cải thiện loa clustering. Như vậy có thể được ký kết từ so sánh clust_UBM_MAP_CLRphương pháp tiếp cận với đường cơ sở phương pháp tiếp cận của BIC. Hiệu suất của các phương pháp clust_UBM_MAP_CLR được cải thiện khi kết cụm đủ dữ liệu đã có sẵn cho estimations GMM, kết quả DERs thấp hơn so với đường cơ sở tiếp cận BIC, khi số lượng cụm co lại (DER kết quả sẽ hiển thị một hiệu suất tốt hơn cho clust_UBM_MAP_CLR phương pháp tiếp cận trong phạm vi dưới điểm đánh giá + 10 trong hình 2). Nó cũng là thú vị để lưu ý hnăm DER của tất cả các phương pháp đạt được giá trị DER tối thiểu của họ xung quanh điểm đánh giá 0. Điều này có nghĩa rằng nếu tất cả các phương pháp tiếp cận kết cụm đã được ngừng lại khi số lượng cụm là tương đương với số lượng thực tế loa trong dữ liệu, tất cả các phương pháp tiếp cận sẽ triển lãm hiệu suất tối ưu loa-diarization của họ. Vào thời điểm đó là tốt nhất cụm kết quả đã đạt được với phương pháp tiếp cận clust_FUSION.

Kết quả (Việt) 2:

Sung. 2. Kết quả Speaker-diarization trên cơ sở dữ liệu SiBN khi sử dụng các thủ tục phân nhóm khác nhau. Các giá trị DER thấp hơn tương ứng với hiệu suất tốt hơn các kết quả loa diarization trong hình 2 tương ứng với hiệu suất loa phân nhóm trong các phương pháp thử nghiệm trên các dữ liệu SiBN. Hiệu suất tổng thể của phương pháp tiếp cận loa-clustering nhau giữa 13,5% và 16%, được đo bằng cách sử dụng DER tổng thể. Các phương pháp tiếp cận clust_UBM_MAP_CLR và clust_FUSION thực hiện tốt hơn một chút so với phương pháp clust_REF_BIC cơ sở trên toàn bộ phạm vi của các điểm đánh giá. Khi clust_FUSION và các phương pháp tiếp cận clust_REF_BIC được so sánh, rõ ràng là kết quả SiBN hiển thị sự khác biệt đáng kể trong việc thực hiện loa diarization của cả hai phương pháp, đó là ủng hộ cách tiếp cận clust_FUSION. Điều này chỉ ra rằng việc thêm các đặc điểm điệu tính của loa với những thông tin âm thanh cơ bản có thể cải thiện các cụm loa. Điều tương tự cũng có thể được kết luận từ so sánh clust_UBM_MAP_CLR
cách tiếp cận với các phương pháp tiếp cận BIC đường cơ sở. Hiệu suất của phương pháp tiếp cận clust_UBM_MAP_CLR cải thiện khi đủ phân cụm dữ liệu đã có sẵn cho các ước tính GMM, dẫn đến các rối thấp hơn so với các phương pháp tiếp cận BIC đường cơ sở, khi số lượng các cụm co lại (kết quả DER hiển thị một hiệu suất tốt hơn cho phương pháp clust_UBM_MAP_CLR trong phạm vi dưới điểm đánh giá 10 trong hình 2) Nó cũng là thú vị để lưu ý rằng các quỹ đạo DER của tất cả các phương pháp đạt được giá trị tối thiểu DER của họ xung quanh các điểm đánh giá 0. Điều này có nghĩa rằng nếu tất cả các phương pháp phân nhóm đã được ngừng lại khi số lượng các cụm là bằng với số lượng loa thực tế trong các dữ liệu, tất cả các phương pháp tiếp cận sẽ triển lãm hiệu suất loa diarization tối ưu của họ. Vào thời điểm đó các kết quả phân nhóm tốt nhất đã đạt được với các phương pháp tiếp cận clust_FUSION.