arXiv · NLP· Abhishek Gautam·· 11 天前AI 评分31
实时语音 AI 智能体亚秒级说话人嵌入器基准测试
Benchmarking Speaker Embedders in the Sub-Second Regime for Real-Time Voice AI Agents
AI 导读
在亚秒级延迟限制下对 TitaNet、ECAPA-TDNN 等开源说话人嵌入器进行基准测试。实验发现嵌入前降噪通常有害,会提高等错误率(EER),截断语音活动片段则降低所有模型性能。建议基于原始音频和完整语音活动块进行验证,阈值应优先考虑精确度而非 F1 分数。
来源:arXiv · NLP · arxiv.org