技术栈
eres2net
HySpark
2 小时前
python
·
语音识别
·
声纹识别
·
vad
·
eres2net
ERes2Net声纹识别短音频匹配不稳定：从音频时长到有效音素的排查实践
最近在排查会议角色识别时，遇到一个比较典型的问题：同一个人连续发言时，识别结果基本稳定；一旦发言片段缩短到几个字，系统就容易把当前说话人分配给其他角色，或者新建一个角色。
我是有底线的