Détection de locuteurs dans les séries TV - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2015

Détection de locuteurs dans les séries TV

Xavier Bost
Georges Linares

Résumé

Speaker diarization of audio streams turns out to be particularly challenging when applied to fictional films, where many characters talk in various acoustic conditions (background music, sound effects, variations in intonation...). Despite this acoustic variability, such movies exhibit specific visual patterns, particularly within dialogue scenes. In this paper, we introduce a two-step method to achieve speaker diarization in TV series: speaker diarization is first performed locally within scenes visually identified as dialogues; then, the hypothesized local speakers are compared to each other during a second clustering process in order to detect recurring speakers: this second stage of clustering is subject to the constraint that the different speakers involved in the same dialogue have to be assigned to different clusters. The performances of our approach are compared to those obtained by standard speaker diarization tools applied to the same data.
La segmentation de flux audio en locuteurs apparaît particulièrement délicate lors-qu'elle est appliquée à des films de fiction, où de nombreux personnages parlent dans des conditions acoustiques variables (musique de fond, bruitages, fluctuations dans l'intonation...). Au-delà d'une telle variabilité acoustique, ce type de films exhibe cependant de la régularité sur le plan visuel, particulièrement dans les passages dialogués. Nous introduisons dans ce papier une méthode en deux temps pour procéder à la segmentation en locuteurs d'épisodes de séries TV : un premier regroupement en locuteurs est effectué localement, dans les limites de scènes visuellement identifiées comme des dialogues ; les locuteurs conjecturés sont ensuite comparés lors d'une deuxième phase de regroupement afin de détecter les locuteurs récurrents : cette deuxième étape de regroupement a lieu sous la contrainte que les différents locuteurs impliqués dans un même dialogue soient assignés à des groupes distincts. Les performances obtenues par notre approche sont comparées à celles qu'on obtient en appliquant aux mêmes données des outils standards de segmentation en locuteurs.
Fichier principal
Vignette du fichier
seg_loc.pdf (199.31 Ko) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)
Loading...

Dates et versions

hal-01313094 , version 1 (17-12-2018)

Identifiants

Citer

Xavier Bost, Georges Linares. Détection de locuteurs dans les séries TV. Coria 2015, Mar 2015, Paris, France. ⟨hal-01313094⟩

Collections

UNIV-AVIGNON LIA
59 Consultations
60 Téléchargements

Altmetric

Partager

Gmail Mastodon Facebook X LinkedIn More