M2MeT：ICASSP 2022 多通道多方会议转录挑战赛
声音
2022-02-28 v3 音频与语音处理
摘要
语音处理技术的最新发展，如语音识别、说话人日志等，激发了语音技术的广泛应用。会议场景是语音技术部署中最有价值，同时也是最具挑战性的场景之一。具体而言，说话人日志和多说话人自动语音识别这两个典型任务近来备受关注。然而，缺乏大型公开会议数据一直是该领域发展的主要障碍。因此，我们公开了 AliMeeting 语料库，该语料库包含 120 小时的录制普通话会议数据，包括由 8 通道麦克风阵列采集的远场数据以及由头戴式麦克风采集的近场数据。每个会议会话由 2-4 位说话人组成，具有不同的说话人重叠率，并在不同大小的房间中录制。伴随该数据集，我们发起了 ICASSP 2022 多通道多方会议转录挑战赛（M2MeT），设有两个赛道，即说话人日志化和多说话人自动语音识别，旨在为会议丰富转录提供一个通用的测试平台，并促进该领域的可重复研究。在本文中，我们详细介绍了 AliMeeting 数据集、挑战赛规则、评估方法和基线系统。
引用
@article{arxiv.2110.07393,
title = {M2MeT: The ICASSP 2022 Multi-Channel Multi-Party Meeting Transcription Challenge},
author = {Fan Yu and Shiliang Zhang and Yihui Fu and Lei Xie and Siqi Zheng and Zhihao Du and Weilong Huang and Pengcheng Guo and Zhijie Yan and Bin Ma and Xin Xu and Hui Bu},
journal= {arXiv preprint arXiv:2110.07393},
year = {2022}
}
备注
Accepted by ICASSP 2022