SCDNet: Self-supervised Learning Feature-based Speaker Change Detection

Speaker Change Detection（SCD）是用于识别对话中发言者之间边界的任务。在wav2vec 2.0模型在SCD任务上取得成功的基础上，本文进一步研究了自监督学习（SSL）特征在SCD中的应用。具体而言，我们提出了一种名为SCDNet的SCD模型，用于研究各种最先进的SSL模型，包括Hubert、wav2vec 2.0和WavLm。为了分辨出最有效的SSL模型层，我们采用了可学习的加权方法来分析中间表示的有效性。此外，我们还实现了一种基于微调的方法，以进一步比较SSL模型在SCD任务中的特点。此外，我们提出了一种对比学习方法，以减轻微调方法和SCDNet的训练中的过拟合倾向。实验展示了WavLm在SCD任务中的优越性，并证明了SCDNet的良好设计。

本论文旨在探讨自监督学习（SSL）特征在说话人识别（SCD）任务中的应用，通过提出SCDNet模型，比较不同SSL模型的中间表示层的有效性，并进行了对比学习方法以减轻过拟合问题。

SCDNet模型结合了SSL特征和可学习的加权方法，可以有效地进行说话人识别任务。通过比较不同SSL模型的中间表示层，发现WavLm模型在SCD任务中表现最优。

论文中提出了SCDNet模型，并进行了实验比较不同SSL模型在SCD任务中的表现。实验结果表明，WavLm模型在SCD任务中表现最好。论文还提出了对比学习方法来减轻过拟合问题，并探讨了中间表示层的有效性。论文使用了公开数据集，并提供了开源代码。

最近相关研究包括使用深度学习模型进行说话人识别的研究，以及探索自监督学习在语音识别和说话人识别中的应用的研究。其中一些相关论文包括：“Exploring Speaker Recognition Using Deep Learning Models”和“Self-Supervised Learning for Speech and Audio Processing”。