IEEE SLT 2021 Alpha-mini 语音挑战赛：开放数据集、赛道、规则与基线
声音
2020-11-17 v2 音频与语音处理
摘要
IEEE 口语技术研讨会（SLT）2021 Alpha-mini 语音挑战赛（ASC）旨在改进人形机器人上关键词 spotting（KWS）与声源定位（SSL）的研究。许多文献报道，近年来基于深度学习的 KWS 和 SSL 在开源数据集上取得了显著进展。对于深度学习模型训练，有必要扩展数据覆盖度以提升模型鲁棒性。因此，从单通道语音、噪声、回声和房间脉冲响应（RIR）模拟多通道含噪和混响数据被广泛采用。然而，该方法可能导致模拟数据与真实应用场景中记录数据之间的失配，尤其是回声数据。在本挑战赛中，我们开源了规模可观的语音、关键词、回声和噪声语料库，以推动数据驱动方法，特别是 KWS 和 SSL 上的深度学习方法。我们还选用 UBTECH 生产的、头部内置四麦克风阵列的人形机器人 Alpha-mini，在实际 Alpha-mini 机器人应用场景下记录开发和评估集，包括噪声以及机器人自身产生的回声和机械噪声用于模型评估。此外，我们说明了规则、评估方法和基线，以便研究人员快速评估其成果并优化其模型。
引用
@article{arxiv.2011.02198,
title = {IEEE SLT 2021 Alpha-mini Speech Challenge: Open Datasets, Tracks, Rules and Baselines},
author = {Yihui Fu and Zhuoyuan Yao and Weipeng He and Jian Wu and Xiong Wang and Zhanheng Yang and Shimin Zhang and Lei Xie and Dongyan Huang and Hui Bu and Petr Motlicek and Jean-Marc Odobez},
journal= {arXiv preprint arXiv:2011.02198},
year = {2020}
}
备注
Accepted at IEEE SLT 2021