4.2 Experimental setupWe evaluated

4.2 Experimental setup
We evaluated all three speaker-clustering approaches: a baseline system with the BIC, a
GMM-based approach and a fusion-based approach, presented in Sections 2.2, 2.3, and
Section 3, respectively.
Since we only wanted to assess the performance of the speaker-clustering approaches we
used the same speech/non-speech-detection and audio-segmentation procedures in all the
evaluation experiments. The speech/non-speech detection used the approach presented in
(Žibert et al., 2007), while the audio segmentation used the approach presented in (Chen &
Gopalakrishnan, 1999).
Speech Recognition, Technologies and Applications
354
In all the tested speaker-clustering approaches we needed to set different open parameters.
The parameters were chosen according to the optimal speaker-diarization performance of
the corresponding clustering approaches on the development dataset, which was composed
of 7 hours of BN audio data from the SiBN database. Detailed information of the
experimental setup for each individual clustering approach is presented in the following list:

Kết quả (Việt) 1:

4.2 thiết lập thử nghiệmChúng tôi đánh giá tất cả ba cụm loa cách tiếp cận: một hệ thống cơ sở với BIC, mộtGMM dựa trên phương pháp tiếp cận và một phương pháp dựa trên phản ứng tổng hợp, trình bày trong phần 2.2, 2.3, vàPhần 3, tương ứng.Kể từ khi chúng tôi chỉ muốn để đánh giá hiệu suất của các cụm loa cách tiếp cận chúng tôisử dụng cùng một bài diễn văn/không-bài phát biểu-phát hiện và các thủ tục âm thanh phân khúc trong tất cả cácthí nghiệm đánh giá. Phát hiện ngôn ngữ/không-bài phát biểu sử dụng các phương pháp trình bày trong(Žibert et al., 2007), trong khi phân khúc âm thanh được sử dụng các phương pháp trình bày trong (Chen &Gopalakrishnan, 1999).Nhận dạng giọng nói, công nghệ và ứng dụng354Trong tất cả các thử nghiệm cụm loa cách tiếp cận chúng tôi cần thiết để thiết lập các thông số khác nhau mở.Các tham số được chọn theo hiệu suất tối ưu loa-diarizationCác cụm tương ứng phương pháp tiếp cận trên bộ dữ liệu phát triển, bao gồm7 giờ của BN dữ liệu âm thanh từ cơ sở dữ liệu SiBN. Chi tiết của cácCác thiết lập thử nghiệm cho mỗi phương pháp tiếp cận kết cụm riêng lẻ được trình bày trong danh sách sau đây:

Kết quả (Việt) 2:

4.2 thiết lập thí nghiệm
Chúng tôi đánh giá tất cả ba cách tiếp cận loa-clustering: một hệ thống cơ sở với BIC, một
cách tiếp cận GMM và dựa trên một phương pháp tiếp cận tổng hợp dựa trên, trình bày tại mục 2.2, 2.3, và
mục 3, tương ứng.
Vì chúng ta chỉ muốn đánh giá hiệu suất của loa-clustering phương pháp tiếp cận, chúng tôi
sử dụng các thủ tục cùng nói / không-nói-phát hiện và nghe sự phân hóa trong tất cả các
thí nghiệm đánh giá. Việc phát hiện nói / phi ngôn luận sử dụng phương pháp trình bày trong
(Žibert et al., 2007), trong khi các phân khúc âm thanh sử dụng phương pháp trình bày trong (Chen &
Gopalakrishnan, 1999).
Speech Recognition, công nghệ và ứng dụng
354
Trong tất cả các loa kiểm tra phương pháp tiếp cận -clustering chúng ta cần phải thiết lập các thông số mở khác nhau.
các thông số đã được lựa chọn theo hiệu suất loa diarization tối ưu của
các phân nhóm tương ứng phương pháp tiếp cận trên các số liệu phát triển, được sáng tác
trong 7 giờ của dữ liệu âm thanh BN từ các cơ sở dữ liệu SiBN. Thông tin chi tiết về các
thiết lập thử nghiệm cho mỗi phương pháp phân nhóm cá nhân được thể hiện trong danh sách sau đây: