BERT-语义说话人转换点预测-中文-说话人日志
  • 模型资讯
  • 模型资料

Semantic Speaker Turn Detection 模型

Speaker Turn Detectio任务判断说话人转换的位置,我们的模型基于文本模态,预测说话人转换点位置。此信息将帮助到speaker diarization模型。

模型说明

我们的模型基于BERT训练得到,核心为一个二分类的Token Classification任务,需要注意的是,本模型只考察标点之后是否存在转换点,后续会更新更加精细化的模型。

关于此模型的细节以及如何后续应用,请参考我们的论文:

数据集

我们的模型基于如下的数据集训练:

我们使用一个滑动窗策略来构造训练和测试数据。

模型效果评估

测试集 Precision Recall F1 Acc
ALIMEETING Test 0.7945 0.8779 0.8341 0.9146
AISHELL-4 Test 0.8814 0.7317 0.7996 0.925

在线体验

在Notebook中开发

待开发

使用Modelscope本地推理

待开发

相关论文以及引用信息

如果您觉得这个该模型有所帮助,请引用下面的相关的论文

@article{Cheng2023ExploringSI,
  title={Exploring Speaker-Related Information in Spoken Language Understanding for Better Speaker Diarization},
  author={Luyao Cheng and Siqi Zheng and Zhang Qinglin and Haibo Wang and Yafeng Chen and Qian Chen},
  journal={ArXiv},
  year={2023},
  volume={abs/2305.12927}
}