DyShip: 从双人对话声学特征推断说话人关系

研究者在 arXiv 发布 DyShip 框架论文（5 页，在审），基于 Seamless Interaction 语料库从双人对话音频中分类说话人的熟悉度与亲缘关系，并对比频谱图、MFCC、WavLM、x-vectors 和发音动作五种语音表示。 论文称，频谱特征在熟悉度分类上表现最好，准确率 87.81%；WavLM 在亲缘关系分类上准确率最高，达 85.17%；论文还称多数分类器在同一数据集上超过了此前报告的人类和音频语言模型成绩。

AI 根据报道生成 · 58 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。