Buchumschlag

Mamba-based Segmentation Model for Speaker Diarization

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Plaquet, Alexis, Tawara, Naohiro, Delcroix, Marc, Horiguchi, Shota, Ando, Atsushi, Araki, Shoko
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Sound Audio and Speech Processing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Dissecting the Segmentation Model of End-to-End Diarization with Vector Clustering
von: Plaquet, Alexis, et al.
Veröffentlicht: (2025)

Pretraining Multi-Speaker Identification for Neural Speaker Diarization
von: Horiguchi, Shota, et al.
Veröffentlicht: (2025)

Can We Really Repurpose Multi-Speaker ASR Corpus for Speaker Diarization?
von: Horiguchi, Shota, et al.
Veröffentlicht: (2025)

Mitigating Non-Target Speaker Bias in Guided Speaker Embedding
von: Horiguchi, Shota, et al.
Veröffentlicht: (2025)

Guided Speaker Embedding
von: Horiguchi, Shota, et al.
Veröffentlicht: (2024)

Recursive Attentive Pooling for Extracting Speaker Embeddings from Multi-Speaker Recordings
von: Horiguchi, Shota, et al.
Veröffentlicht: (2024)

Interaural time difference loss for binaural target sound extraction
von: Hernandez-Olivan, Carlos, et al.
Veröffentlicht: (2024)

SoundBeam meets M2D: Target Sound Extraction with Audio Foundation Model
von: Hernandez-Olivan, Carlos, et al.
Veröffentlicht: (2024)

SpeakerBeam-SS: Real-time Target Speaker Extraction with Lightweight Conv-TasNet and State Space Modeling
von: Sato, Hiroshi, et al.
Veröffentlicht: (2024)

Array Geometry-Robust Attention-Based Neural Beamformer for Moving Speakers
von: Tammen, Marvin, et al.
Veröffentlicht: (2024)

NTT Multi-Speaker ASR System for the DASR Task of CHiME-8 Challenge
von: Kamo, Naoyuki, et al.
Veröffentlicht: (2024)

Joint Training of Speaker Embedding Extractor, Speech and Overlap Detection for Diarization
von: Pálka, Petr, et al.
Veröffentlicht: (2024)

Reference Microphone Selection for Guided Source Separation based on the Normalized L-p Norm
von: Lohmann, Anselm, et al.
Veröffentlicht: (2025)

VBx for End-to-End Neural and Clustering-based Diarization
von: Pálka, Petr, et al.
Veröffentlicht: (2025)

Target Speech Extraction with Pre-trained Self-supervised Learning Models
von: Peng, Junyi, et al.
Veröffentlicht: (2024)

Investigation of Speaker Representation for Target-Speaker Speech Processing
von: Ashihara, Takanori, et al.
Veröffentlicht: (2024)

Probing Self-supervised Learning Models with Target Speech Extraction
von: Peng, Junyi, et al.
Veröffentlicht: (2024)

Factor-Conditioned Speaking-Style Captioning
von: Ando, Atsushi, et al.
Veröffentlicht: (2024)

Rethinking Processing Distortions: Disentangling the Impact of Speech Enhancement Errors on Speech Recognition Performance
von: Ochiai, Tsubasa, et al.
Veröffentlicht: (2024)

Frontend Token Enhancement for Token-Based Speech Recognition
von: Ashihara, Takanori, et al.
Veröffentlicht: (2026)

Meeting Recognition with Continuous Speech Separation and Transcription-Supported Diarization
von: von Neumann, Thilo, et al.
Veröffentlicht: (2023)

On the calibration of powerset speaker diarization models
von: Plaquet, Alexis, et al.
Veröffentlicht: (2024)

USED: Universal Speaker Extraction and Diarization
von: Ao, Junyi, et al.
Veröffentlicht: (2023)

Microphone Array Geometry Independent Multi-Talker Distant ASR: NTT System for the DASR Task of the CHiME-8 Challenge
von: Kamo, Naoyuki, et al.
Veröffentlicht: (2025)

Leveraging Self-Supervised Learning for Speaker Diarization
von: Han, Jiangyu, et al.
Veröffentlicht: (2024)

TS-SUPERB: A Target Speech Processing Benchmark for Speech Self-Supervised Learning Models
von: Peng, Junyi, et al.
Veröffentlicht: (2025)

Speaker Embeddings With Weakly Supervised Voice Activity Detection For Efficient Speaker Diarization
von: Thienpondt, Jenthe, et al.
Veröffentlicht: (2024)

Description and Discussion on DCASE 2025 Challenge Task 4: Spatial Semantic Segmentation of Sound Scenes
von: Yasuda, Masahiro, et al.
Veröffentlicht: (2025)

Streaming Sortformer: Speaker Cache-Based Online Speaker Diarization with Arrival-Time Ordering
von: Medennikov, Ivan, et al.
Veröffentlicht: (2025)

Alignment-Free Training for Transducer-based Multi-Talker ASR
von: Moriya, Takafumi, et al.
Veröffentlicht: (2024)

Uncertainty Quantification in Machine Learning for Joint Speaker Diarization and Identification
von: McKnight, Simon W., et al.
Veröffentlicht: (2023)

DiarizationLM: Speaker Diarization Post-Processing with Large Language Models
von: Wang, Quan, et al.
Veröffentlicht: (2024)

TS-SEP: Joint Diarization and Separation Conditioned on Estimated Speaker Embeddings
von: Boeddeker, Christoph, et al.
Veröffentlicht: (2023)

Language Modelling for Speaker Diarization in Telephonic Interviews
von: India, Miquel, et al.
Veröffentlicht: (2025)

End-to-End Joint ASR and Speaker Role Diarization with Child-Adult Interactions
von: Xu, Anfeng, et al.
Veröffentlicht: (2026)

Bengali-Loop: Community Benchmarks for Long-Form Bangla ASR and Speaker Diarization
von: Tabib, H. M. Shadman, et al.
Veröffentlicht: (2026)

Do End-to-End Neural Diarization Attractors Need to Encode Speaker Characteristic Information?
von: Zhang, Lin, et al.
Veröffentlicht: (2024)

DiCoW: Diarization-Conditioned Whisper for Target Speaker Automatic Speech Recognition
von: Polok, Alexander, et al.
Veröffentlicht: (2024)

Incorporating Spatial Cues in Modular Speaker Diarization for Multi-channel Multi-party Meetings
von: Wang, Ruoyu, et al.
Veröffentlicht: (2024)

DiariZen Explained: A Tutorial for the Open Source State-of-the-Art Speaker Diarization Pipeline
von: Raghav, Nikhil
Veröffentlicht: (2026)