Nouvelle approche pour le regroupement des locuteurs dans des émissions radiophoniques et télévisuelles (New approach for speaker clustering of broadcast news) [in French]

Actes de la conférence conjointe JEP-TALN-RECITAL 2012, volume 1: JEP, pages 97–104, Grenoble, 4 au 8 juin 2012. c ⃝2012 ATALA & AFCP Nouvelle approche pour le regroupement des locuteurs dans des émissions radiophoniques et télévisuelles Mickael Rouvier Sylvain Meignier LIUM, Université du Maine, France {mickael.rouvier, sylvain.meignier}@lium.univ-lemans.fr RÉSUMÉ Dans cet article, nous proposons un nouveau modèle de regroupement de locuteurs pour la tâche de segmentation et de regroupement de locuteurs. Un des problèmes majeur rencontré dans le regroupement des locuteurs est que les algorithmes d’agglomération hiérarchique utilisés ne garantissent pas de donner une solution optimale. Nous proposons d’exprimer le problème de regroupement des locuteurs comme un problème de Programmation Linéaire en Nombre Entier (PLNE). Ainsi, un solveur PLNE peut être utilisé lequel ira chercher la solution optimale de regroupement de locuteurs sur l’ensemble du problème. Les expériences ont été conduites sur le corpus journalistique français ESTER-2. Avec ce nouveau modèle de regroupement de locuteurs, le DER décroît de 2,43 points absolus. ABSTRACT New approach for speaker clustering of broadcast news In this paper, we propose a new clustering model for speaker diarization. A major problem with using greedy agglomerative hierarchical clustering for speaker diarization is that they do not guarantee an optimal solution. We propose a new clustering model, by redefining clustering as a problem of Integer Linear Programming (ILP). Thus an ILP solver can be used which searches the solution of speaker clustering over the whole problem. The experiments were conducted on the corpus of French broadcast news ESTER-2. With this new clustering, the DER decreases by 2.43 points. MOTS-CLÉS : segmentation et regroupement de locuteur, programmation linéaire en nombres entiers, i-vecteur. KEYWORDS: speaker diarization, integer linear programming, i-vector. 1 Introduction L’objectif de la Segmentation et du Regroupement de Locuteurs (SRL) consiste à découper en tour de parole un enregistrement audio et à regrouper les zones dès lors qu’elles appartiennent à un même locuteur afin de répondre à la question : "qui parle et quand ?". Cette opération est réalisée sans information a priori ni sur le nombre de locuteurs, ni sur leur identité. L’approche classique consiste à découper le signal audio en segments et à les regrouper dans des classes, où chaque classe contient les segments d’un seul et même locuteur. Actuellement, les principales méthodes de regroupement en locuteurs sont basées sur des algo- rithmes d’agglomération hiérarchique gloutonne tels que les algorithmes : ascendant (Barras et al., 2006) ou descendant (Fredouille et Senay, 2006). Les systèmes ayant une approche ascendante (connus aussi sous le nom de Regroupement Agglomératif Hiérarchique (RAH)) ont obtenu les 97 meilleurs résultats lors des évaluations ESTER et NIST. Le RAH est un algorithme itératif qui cherche à chaque itération à agglomérer les deux classes les plus similaires. Ce processus est itéré tant que la similarité entre les 2 classes les plus proches soit inférieure à un seuil fixé. Cette similarité est calculée à partir des vraisemblances obtenues via des Modèles de Mélanges de Gaussiennes (GMM). Malheureusement, les algorithmes gloutons basés sur les GMM souffrent …

Content truncated to 500 words