CHiME-7 挑战赛:NeMo 团队 DASR 系统的系统描述与性能
音频与语音处理
2023-10-20 v1 声音
摘要
我们介绍了 NVIDIA NeMo 团队为第七届 CHiME 挑战赛远距离自动语音识别(DASR)任务所构建的多通道语音识别系统,重点开发了专为分布式麦克风与麦克风阵列语音转写而定制的多通道多说话人语音识别系统。该系统主要由以下核心模块组成:说话人日志模块、多通道音频前端处理模块以及 ASR 模块。这些组件共同构建了一个级联系统,精细地处理多通道多说话人音频输入。此外,本文强调了显著提升系统性能的全面优化过程。我们团队的提交结果主要基于 NeMo 工具包,并将公开可用。
引用
@article{arxiv.2310.12378,
title = {The CHiME-7 Challenge: System Description and Performance of NeMo Team's DASR System},
author = {Tae Jin Park and He Huang and Ante Jukic and Kunal Dhawan and Krishna C. Puvvada and Nithin Koluguri and Nikolay Karpov and Aleksandr Laptev and Jagadeesh Balam and Boris Ginsburg},
journal= {arXiv preprint arXiv:2310.12378},
year = {2023}
}