arXiv · AI· Bagzhan Karl, Alizhan Karl·· 7 天前AI 评分33
Kezek:将双人单声道对话分离为全双工语料数据的单说话人音轨
Kezek: Splitting Mono Two-Person Conversations into Per-Speaker Tracks for Full-Duplex Dialogue Data
AI 导读
Kezek 将双人单声道录音分离为对应时长的独立音轨,保留重叠及短回复归属。 两阶段模型结合声纹指纹与条件时域分离器,短回复保留率达 0.83,速度提升 4-5 倍。 代码与权重以宽松许可证开源,填补全双工对话数据中静音短回复缺失的技术空白。
来源:arXiv · AI · arxiv.org