Apr, 2020

CHiME-6 Challenge：处理未分割录音的多说话人语音识别

PDF
TL;DR本文介绍了基于 CHiME-6 Speech Separation and Recognition Challenge（CHiME-6）的多说话人语音分离和识别问题，该比赛首次尝试了基于无分割的多说话人语音识别方案，并提供了完整的可重现性开源基线方案。
chime-6speech separationspeech recognitionmultispeakerdistant microphones
发现论文，激发创造
  • 第五届 'CHiME' 语音分离和识别挑战：数据集、任务和基准线

    该论文介绍了第五届 CHiME 挑战赛，旨在通过与语言处理、信号处理和机器学习相结合的研究促进 ASR 技术的发展，其中考虑了远距离多麦克风对话 ASR 在真实家庭环境中的应用，收集了代表自然对话语音的数据，并记录了 6 个 Kinect 麦克风阵列和 4 个双耳式麦克风对的数据。

    Mar, 2018

  • CHiME-7 DASR 挑战赛：异地会议多设备转录应用于多样化场景

    本文介绍了第七届 CHiME 挑战赛中的远场 ASR (DASR) 任务，并描述了挑战的设计、动机和基本研究问题，该任务旨在通过使用自我监督的语音表示法（SSLR）来设计一种可以跨越不同阵列几何和用例的单一系统。

    Jun, 2023

  • 第二届 DIHARD 记日说话人识别挑战：数据集，任务和基准

    介绍第二届 DIHARD 挑战赛，该挑战赛旨在改善辨别系统对不同录音设备、噪音条件和对话领域变化的适应能力。本文描述了挑战任务、数据集和基线系统。

    Jun, 2019

  • 远场语音识别实际多麦克风数据模拟

    本文重点讨论了模拟语音数据集的重要性以及如何利用数据模拟技术来生成与现实环境密切相关的语音数据集，并通过多麦克风的实验验证了其在各种情况下的可行性。

    Nov, 2017

  • 多说话人语音识别的纯端到端系统

    本文提出了一种新的序列到序列的框架，即多说话者语音识别，通过端到端的方式将源分离和语音识别功能统一处理，同时提出了一种新的目标函数来提高隐藏向量间的对比度，实验结果显示该模型能够直接学习从语音混合到多个标签序列的映射，与之前的显式分离和识别模块的端对端工作相比，取得了 83.1% 的相对改进。

    May, 2018

  • ICASSP 2022 多通道多方会议转录挑战赛的 Volcspeech 系统

    本文介绍了我们在 ICASSP 2022 M2MeT 挑战中的参赛作品。对于 Track 1，我们提出多种方法来加强聚类式说话人分割系统以应对重叠语音；对于 Track 2，我们采用 Conformer 模型和神经前端模块来训练系统，实现多声道混叠语音识别，最终取得了比较好的性能表现。

    Feb, 2022

  • 家庭环境下远距离语音识别的 DIRHA - 英文语料库及相关任务

    本文介绍了 DIRHA-ENGLISH 多麦克风语料库，其中包括 12 名美国和英国的英语母语者，研究了语音处理、DNN 和远程语音识别等方面的基线结果。

    Oct, 2017

  • 2020 年 VoxCeleb 说话人识别大赛微软说话人分离系统

    本文介绍了 Microsoft 公司的单声道多人对话录音扬声器辨识系统，并用 VoxCeleb 挑战赛 2020 年的说话人辨识赛道进行了评估。论文首先介绍了解决真实多人对话记录中的问题的系统设计。然后介绍了组件的细节，其中包括 Res2Net 基于说话人嵌入提取器，基于 conformer 的连续语音分离和泄漏过滤，以及修改后的 DOVER 方法用于系统融合。使用 VoxSRC challenge 2020 提供的数据集进行系统评估。我们的最佳系统在开发集上的辨识错误率（DER）为 3.71％，在评估集上的 DER 为 6.23％，并在挑战的辨识赛道上排名第一。

    Oct, 2020

  • DISPLACE 挑战 2023 摘要 -- 对话环境中的发音者和语言判别

    在多语言社会中，非正式对话经常涉及多种语言的混合使用。DISPLACE 挑战对多语言和说话者鉴别技术进行了评估和基准测试，其中 Track-1 专注于多语境的说话者鉴别，而 Track-2 则针对多说话者情境的语言鉴别。该论文详述了挑战、数据集、任务和基准系统，并提供了顶尖系统的概述，强调了在这些对话中系统在普遍商业应用之前需要克服的主要挑战。

    Nov, 2023

  • ICASSP2024 ICMC-ASR 大赛的 NUS-HLT 系统

    我们团队在 ICMC-ASR 挑战赛的两个方向上付出了努力，包括多通道前端增强和辨析、训练数据增强、多通道分支的语音识别模型，经测试，在官方 Eval1 和 Eval2 数据集上，我们的最佳系统相对于官方基准系统提高了 34.3% 的 CER 和 56.5% 的 cpCER。

    Dec, 2023