INTERSPEECH 2020 深度噪声抑制挑战赛：数据集、主观测试框架及挑战结果
音频与语音处理
2020-10-20 v3 机器学习
声音
摘要
INTERSPEECH 2020 深度噪声抑制（DNS）挑战赛旨在促进实时单通道语音增强的协作研究，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获得的测试集上使用客观指标。尽管在合成测试集上性能良好，模型在真实录音上的表现常显著退化。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，我们开源了一个用于训练噪声抑制模型的大型干净语音与噪声语料库，以及一个由合成与真实录音共同构成的、面向真实场景的代表性测试集。我们还基于 ITU-T P.808 开源了一个在线主观测试框架，供研究者可靠地测试其成果。我们使用 P.808 在盲测试集上评估结果。文中讨论了挑战赛的结果与关键经验。数据集与脚本可在此处快速获取：https://github.com/microsoft/DNS-Challenge。
引用
@article{arxiv.2005.13981,
title = {The INTERSPEECH 2020 Deep Noise Suppression Challenge: Datasets, Subjective Testing Framework, and Challenge Results},
author = {Chandan K. A. Reddy and Vishak Gopal and Ross Cutler and Ebrahim Beyrami and Roger Cheng and Harishchandra Dubey 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:2005.13981},
year = {2020}
}
备注
Interspeech 2020. arXiv admin note: substantial text overlap with arXiv:2001.08662