说话人分离

说话人分离（Speaker Diarization）通常包含语音活动检测、说话人嵌入提取和聚类三个步骤，解决无先验身份下的多说话人切分问题。传统方法依赖i-vector和谱聚类，深度学习方法则使用端到端神经网络和注意力机制。它广泛用于会议转录、客服质检和司法取证等场景。