采用长度规整MAP的说话人分割聚类

来源：信号处理杂志 2016年第7期北京时间：

作者：朱唯鑫, 郭武

摘要：本文首次提出了长度规整的最大后验估计(MAP)方法，并将其应用到说话人分割聚类中的交叉似然比(CLR)和TTest这两种度量距离上。传统的MAP方法需要在通用背景模型(UBM)基础上进行统计量的计算，进而对模型参数进行自适应偏移，因此偏移的程度与语音片段的长度正相关。当在度量两个长度不相同的语音片段的相似性时，传统的MAP方法会使得说话人模型刻画不准确，从而影响距离度量。本文在MAP过程中，根据语音的长度对相关因子进行规整，然后再进行模型参数的调整，从而使得模型参数与语音长度无关，更能体现说话人的身份信息。在中文多人电视访谈节目数据的分割聚类评测任务上，采用长度规整的MAP方法相对于传统方法都有明显提升，在CLR度量准则下分割聚类错误率相对下降了35%，在TTest度量准则下分割聚类错误率相对下降了107%。

关键词：说话人分割聚类, 最大后验估计, 长度规整, 交叉似然比, T检验距离