diarization(说话人日志)模型优化相关

[joshpr]

diarization应该大致可以分成segmentation，embedding，clustering，后处理这么几个部分，如果要优化效果的话（降低DER），可以从哪些方面入手呢？
想到的一些措施：
1、训练segmentation（用的pyannote-segmentation 3.0）
2、训练embedding（用这个项目里提供的训练工具）
3、调整clustering
想请教一下，哪一块比较推荐优先尝试呢？
另外，如果调整了segmentation模型或者是embedding模型，clustering的参数是不是也要进行相应的调整？本项目有提供自动化调参脚本吗？还是需要自己试or开发？

钉钉群过期，能帮忙更新一下吗，想进群讨论。
感谢开源。

[wanghuii1]

1. 重要性方面segmentation和embedding同等重要，前者检测出有效的说话人语音以及重叠的语音，后者区分不同的说话人。
2. 两个的优先级还是看你有的资源，比如你是否有更多的多人对话数据集（用于segmentation训练）或者说话人数据集（用于embedding训练），和测试场景匹配数据集对于提升性能最有帮助。
3. clustering主要是调参，可以构建验证集，搜索参数空间即可。