ICASSP 2021 声学回声消除挑战：数据集、测试框架与结果
音频与语音处理
2020-11-03 v3 声音
摘要
ICASSP 2021 声学回声消除挑战旨在促进声学回声消除（AEC）领域的研究，AEC 是语音增强的重要组成部分，并且仍是音频通信与会议系统中的首要问题。许多近期 AEC 研究在合成数据集上报告了良好性能，其中训练与测试样本来自同一底层分布。然而，AEC 性能在真实录音上常显著下降。此外，大多数传统客观指标如回声返回损耗增强（ERLE）和语音质量感知评估（PESQ）在真实环境中存在背景噪声与混响时，与主观语音质量测试相关性不佳。在本挑战中，我们开源了两个大型数据集以在单讲与双讲场景下训练 AEC 模型。这些数据集包含来自真实环境中超过 2500 个真实音频设备与说话人的录音，以及一个合成数据集。我们开源了两个大型测试集，并开源了一个在线主观测试框架供研究者快速测试其结果。本挑战的获胜者将基于在所有不同单讲与双讲场景下取得的平均平均意见得分（MOS）选出。
引用
@article{arxiv.2009.04972,
title = {ICASSP 2021 Acoustic Echo Cancellation Challenge: Datasets, Testing Framework, and Results},
author = {Kusha Sridhar and Ross Cutler and Ando Saabas and Tanel Parnamaa and Markus Loide and Hannes Gamper and Sebastian Braun and Robert Aichner and Sriram Srinivasan},
journal= {arXiv preprint arXiv:2009.04972},
year = {2020}
}