【论文推荐】将机器语言模型扩展到人类级别的语言理解，Extending Machine Language Models toward Human-Level Language Understanding

论文题目

将机器语言模型扩展到人类级别的语言理解，Extending Machine Language Models toward Human-Level Language Understanding

论文简介

本文介绍了一种利用麦克风阵列和360度摄像机生成带说话人注释的会议事务脚本的系统。该系统的特点是能够处理重叠语音，这是十多年来现实环境中尚未解决的问题。研究表明，采用连续语音分离方法可以解决这一问题。此外，我们还描述了一种在线视听说话人二值化方法，该方法利用面追踪和识别、声源定位、说话人识别以及（如果有的话）先前的说话人信息，以增强对各种现实世界挑战的鲁棒性。所有的成分都整合在一个叫做SRD的转录框架中，SRD代表“分离、识别和二化”。实验结果使用记录的自然会议涉及多达11人的报告。与高调谐波束形成器相比，连续语音分离提高了16.1%的字错误率。当有完整的与会者列表时，WER和发言人属性WER之间的差异仅为1.0%，表明准确的词对说话人关联。当系统不知道50%的与会者时，这一比例略微增加到1.6%。

论文作者

Takuya Yoshioka，Igor Abramovski，Cem Aksoylar，Zhuo Chen，Moshe David，DimitriadisYifan Gong，Ilya Gurvich，Xuedong Huang，Yan Hunhutz，Li Jiang，Sharon KoubiEyal Krupka，Ido Leichter，Changliang Liu，Parthasarathy，Alon Vinnikov，Lingfeng Wuxiang Xiao，Wayne Xiang，Huaming Wang，Zhenghao Zhang，Yong Zhao ，作者们来自美国微软团队