SpeakerDiarization_RNN_CNN_LSTM:扬声器分类是在音频中分离扬声器的问题。 可以有任意数量的发言者，...

引文 如果您发现我们的项目有帮助，请在下面引用我们的 arxiv 报告： @misc{sharma2020speaker, title={Speaker Diarization: Using Recurrent Neural Networks}, author={Vishal Sharma and Zekun Zhang and Zachary Neubert and Curtis Dyreson}, year={2020}, eprint={2006.05596}, archivePrefix={arXiv}, primaryClass={eess.AS} } 说话人分类 扬声器分类是在音频中分离扬声器的问题。 可以有任意数量的发言者，最终结果应说明发言者开始和结束的时间。 在这个项目中，我们用 2 个通道和 2 个扬声器（在单独的通道