We evaluated all three speaker-clus

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).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:

Chúng tôi đánh giá tất cả ba cụm loa cách tiếp cận: một hệ thống cơ sở với BIC, một cách tiếp cận dựa trên GMM và một cách tiếp cận dựa trên phản ứng tổng hợp, trình bày trong phần 2.2, 2.3, và phần 3 tương ứng. Kể từ khi chúng tôi chỉ muốn để đánh giá hiệu suất của các cụm loa cách tiếp cận chúng tôi sử dụng cùng một bài diễn văn/không-bài phát biểu-phát hiện và thủ tục âm thanh phân khúc trong tất cả các thí nghiệm đánh giá. Bài diễn văn/không-bài phát biểu phát hiện sử dụng các phương pháp trình bày trong (Žibert et al., 2007), trong khi phân khúc âm thanh sử dụng các phương pháp trình bày trong (Chen & Gopalakrishnan, 1999). Trong 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-diarization của phương pháp tiếp cận kết cụm tương ứng trên tập dữ liệu phát triển, bao gồm 7 giờ BN dữ liệu âm thanh từ cơ sở dữ liệu SiBN. Các thông tin chi tiết của các 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:

Chúng tôi đánh giá tất cả ba cách tiếp cận loa-clustering: một hệ thống cơ sở với BIC, một cách tiếp cận dựa trên GMM và một cách tiếp cận hợp nhất dựa trên, trình bày tại mục 2.2, 2.3, và mục 3, tương ứng. Vì chúng ta chỉ muốn để 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) .Tại tất cả các thử nghiệm loa-clustering tiếp cận chúng tôi cần thiết để thiết lập khác nhau thông số parameters.The mở được chọn theo hiệu suất loa diarization tối ưu của các phân nhóm tương ứng phương pháp tiếp cận trên các số liệu phát triển, trong đó gồm có 7 giờ của dữ liệu âm thanh BN từ các cơ sở dữ liệu SiBN. Thông tin chi tiết của thiết lập thí nghiệm cho mỗi phương pháp phân nhóm cá nhân được thể hiện trong danh sách sau đây: