Originalarbeiterreichbar

Sortformer: A Novel Approach for Permutation-Resolved Speaker Supervision in Speech-to-Text Systems

Die Arbeit von Taejin Park und Mitautoren, eingereicht am 10.09.2024, dritte Fassung vom 19.07.2025; Code und Modelle stehen im NeMo-Framework von Nvidia. Sie sortiert die Ausgabespuren eines Sprechertrennungsmodells nach dem ersten Auftreten der Stimmen und löst so das Zuordnungsproblem beim Training. Auf diesem Verfahren baut Nemotron 3 Diarization auf.

geprüft 10.11.2026

Worauf sich diese Seite beruft, wörtlich, abgerufen am 06.10.2026:

Sortformer introduces Sort Loss to resolve the permutation problem, either independently or in tandem with PIL.bestätigt 10.11.2026

07 Spracherkennung

Alle Quellen