Прочитайте эту замечательную статью от Google, посвященную применению Модели, основанные на внимании, для идентификации говорящего . Вот мои записи из газеты. Хотя я не ученый, я участвовал в разработке рабочих процессов машинного обучения, чтобы повысить точность распознавания отдельных спикеров в рамках моей работы в Amazon. Традиционно стандартные системы на основе i-Vector и PLDA были развернуты для «независимой от текста» проверки говорящего. Но в последнее время сквозные..