INTERSPEECH 2020 深度噪声抑制挑战赛：数据集、主观语音质量与测试框架
声音
2020-04-21 v2 机器学习
音频与语音处理
摘要
INTERSPEECH 2020 深度噪声抑制挑战赛旨在促进实时单通道语音增强（Speech Enhancement）的协作研究，以最大化增强语音的主观（感知）质量。评估噪声抑制方法的典型做法是在通过划分原始数据集所得的测试集上使用客观指标。许多文献报道了在从与训练集相同分布抽取的的合成测试集上具备合理性能。然而，模型在真实录音上的性能常显著退化。此外，大多数传统客观指标与主观测试相关性不佳，且实验室主观测试对于大型测试集不可扩展。在本挑战赛中，我们开源了一个大型干净语音与噪声语料库用于训练噪声抑制模型，以及一个对应于真实场景的、由合成与真实录音共同组成的代表性测试集。我们还基于 ITU-T P.808 开源了一个在线主观测试框架，供研究人员快速测试其成果。本挑战赛的获胜者将依据在使用 P.808 框架的代表性测试集上的主观评估选出。
引用
@article{arxiv.2001.08662,
title = {The INTERSPEECH 2020 Deep Noise Suppression Challenge: Datasets, Subjective Speech Quality and Testing Framework},
author = {Chandan K. A. Reddy and Ebrahim Beyrami and Harishchandra Dubey and Vishak Gopal and Roger Cheng and Ross Cutler and Sergiy Matusevych and Robert Aichner and Ashkan Aazami and Sebastian Braun and Puneet Rana and Sriram Srinivasan and Johannes Gehrke},
journal= {arXiv preprint arXiv:2001.08662},
year = {2020}
}
备注
Details about Deep Noise Suppression Challenge