近日，国际音频、语音与信号处理会议ICASSP （International Conference on Acoustics, Speech, and Signal Processing）2022多通道多方会议转录挑战赛M2MeT（Multi-channel Multi-party Meeting Transcription Challenge）落下帷幕，喜马拉雅智能语音实验室和中国科学技术大学合作，在说话人日志赛道获得第三名。同时，相关论文被ICASSP 2022收录，并受邀于今年5月在新加坡举办的线上/线下会议中展示。
ICASSP由IEEE（电气电子工程师学会）主办，在国际上享有盛誉并具有广泛的学术影响力，今年的会议主题为“以人为本的信号处理”。M2MeT挑战赛是ICASSP2022信号处理大挑战（Grand Challenge）之一，包括说话人日志和多说话人语音识别两个赛道。喜马拉雅和中国科学技术大学合作在说话人日志赛道取得了4.05%的日志错误率（DER），名列第三位。 第一、第二名分别由昆山杜克大学的李明教授团队(2.98%)和腾讯-香港中文大学团队(3.98%)获得。
说话人日志技术，主要解决“谁在什么时候说话”的问题。为了提高日志准确率，喜马拉雅和中国科学技术大学合作研发的系统，在语音的预处理上，首先使用麦克阵列技术对信号降噪、降混响，使得信号相对纯净，之后使用基于深度学习的声纹模型和谱聚类方法，将多人远场数据进行初步处理，并使用多通道标签融合技术对不同通道的结果进行融合，以提升准确率，成功将DER降到4.05%，基本达到实用要求。未来，技术团队还将不断创新突破，进一步打开对声音的想象，让技术加持声音、让声音服务生活。
作者：付鑫鑫
编辑：赵征南