Front-End multimicrofonico per la trascrizione automatica del parlato nei tribunali

Il problema della Speaker Diarisation è stato oggetto, nel corso degli ultimi anni, di notevoli sforzi di ricerca. Alcuni progetti come AMI, AMIDA, CHIL si sono occupati di questa tematica. Anche in DICIT, oltre alla tematica della localizzazione multi-speaker, si è sviluppato un sistema di Smart Speech Filtering che di fatto è in grado di stabilire chi parla quando. Particolare attenzione al problema è stata posta anche dal NIST(National Institute for Standards and Technology). La Speaker Diarisation, partendo da un segnale audio, permette di risolvere il problema del ′′ Who Spoke When? ′′.

Si può fin da subito intuire che, per un sistema di trascrizione automatica, è estremamente importante capire chi parla e quando, per poter attribuire in maniera corretta ad ogni parlatore le frasi pronunciate. Per poter risolvere il problema, in molti casi, si sono estratte delle features in un dominio a singolo canale. Solo di recente, nell’ambito del progetto AMI e AMIDA, si sono introdotte delle features calcolate in un dominio multimicrofonico. Nel corso del lavoro di tesi si è sviluppato un sistema di Speaker Diarisation che opera in un dominio multimicrofonico sfruttando delle features estratte dal Global Coherence Field (GCF).

In precedenza, features calcolate sulla base del GCF, non sono mai state utilizzate per la risoluzione del problema. Oltre a verificare che tali features permettono di ottenere dei risultati particolarmente interessanti, un altro aspetto innovativo del lavoro è determinato dalla modalità di calcolo di queste features a partire dal GCF. In particolare è originale il metodo basato sull’utilizzo di mappe acustiche separate per ogni attore del processo, che garantisce prestazioni interessanti anche in presenza di speaker che sovrappongono le loro voci. Tale approccio non è utilizzabile solamente in un contesto tipo quello di un tribunale, ma può funzionare correttamente in tutti gli ambienti acustici caratterizzati da un certo grado di correlazione spaziale nelle posizioni dei vari speakers. Anche l’adozione di un sistema di pesatura gaussiana delle mappe rappresenta un’ aspetto innovativo non esplorato nei lavori di ricerca svolti in precedenza.