文档建议反馈控制台
首页
学习
活动
专区
圈层
工具
MCP广场
文章/答案/技术大牛
发布
社区首页 >专栏 >多人会议为什么容易把发言人认错？从Speaker Diarization到声纹识别

多人会议为什么容易把发言人认错？从Speaker Diarization到声纹识别

作者头像
社会的拿破仑
发布于 2026-10-12 16:23:50
发布于 2026-10-12 16:23:50
190
举报
概述
多人会议为什么容易把发言人认错？从Speaker Diarization到声纹识别

原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。

如有侵权，请联系 cloudcommunity@tencent.com 删除。

语音识别
声纹识别
智能硬件 AI 语音助手
目录
  • 一、从ASR到Speaker Diarization：识别文字和识别人是两套任务
  • 二、传统方案如何区分说话人？VAD、Embedding与聚类
    • 1. VAD：先找出真正包含语音的片段
    • 2. Speaker Embedding：把声音转换为特征向量
    • 3. 聚类：把属于同一人的语音片段合并
    • 4. 为什么聚类会出现错误？
  • 三、从传统聚类到Sortformer：端到端模型带来了什么变化？
    • 1. Sortformer如何处理说话人编号？
    • 2. Streaming Sortformer解决了什么问题？
  • 四、为什么多人会议中的重叠语音特别难处理？
  • 五、如何评价说话人区分效果？不能只看ASR准确率
  • 六、从算法模块到国产AI会议助手，产品级实现还有多远？
  • 结语

腾讯云开发者

扫码关注腾讯云开发者

扫码关注腾讯云开发者

领取腾讯云代金券

热门产品

热门推荐

更多推荐

Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有 

深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 粤公网安备44030502008569号

腾讯云计算（北京）有限责任公司 京ICP证150476号 |  京ICP备11018762号

问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档