arXiv · ML· Nikita Torgashov, Okan K\"op\"ukl\"u·· 2026-10-05AI 评分26
FastDiar: 面向流式说话人分离的帧级编码器
FASTDIAR: Frame-level speaker encoder for Streaming Diarization
AI 导读
FastDiar将SOTA说话人识别架构转化为因果帧级编码器,每80ms基于2秒音频窗口输出嵌入向量,并配合在线聚类实现流式分离。该系统通过蒸馏训练,在低重叠基准测试中精度最高,单CPU线程推理速度达实时的5倍,延迟低于1秒。
来源:arXiv · ML · arxiv.org