新基准 SI-cpWER 考核跨会议说话人身份持久性,ThyVoice 错误率最低
Shantanu Vispute · hf · 2026-10-02
HF 上一篇工作指出,用作长期记忆的会议转写不仅要记录内容,还须让同一人在不同会议中保持同一身份,而现有指标要么忽略说话人,要么每段录音独立重映射匿名说话人,无法衡量「持久身份」。
- 提出 Speaker Identified cpWER (SI-cpWER):在整个语料库上用单一全局说话人 ID 分配打分。
- 基准覆盖 5 个商业 diarize-then-identify 级联、2 个开源基线与作者的端到端系统 ThyVoice,在 CHiME-8 NOTSOFAR 全部 129 场会议(干净/噪声增强)及 CHiME-6 上评测;ThyVoice 通过修复重叠语音与门控声纹证据的创建更新来工作。
- 结果:ThyVoice 在全部三种条件下 SI-cpWER 均低于所有受评商业系统,平均 47.13 对次优的 54.75。
- 结论:复用历史对话的系统必须直接评测持久说话人归属。
「研究」频道最新
- NVIDIA 论文:终端 Agent 加个强验证器,成功率从 50% 升至 68% — rohanpaul_ai · 2026-10-02
- JevBench 将扩充评测：LLM 路由、RAG 检索与内容审核任务 incoming — airesearch12 · 2026-10-02
- 新范式神经符号化计算机操作：让 Agent 学会肌肉记忆，成本降 99% — xwang_lk · 2026-10-02
- 「旗帜游戏」论文:智能体群凭碎片协作推理,探索群体动力学 — Hidenori8Tanaka · 2026-10-02
- 从 Spark 到 Databricks：Matei Zaharia 的伯克利创业飞轮 — jfiance · 2026-10-02
- 语音 agent 的录音告知被「抢话」截断五个月,合规与留存两难实录 — strange_nathen · 2026-10-02