CHiME（Computational Hearing in Multisource Environments）屬于國際語音識別評測中的高難度比賽，始辦于2011年，由法國計算機(jī)科學(xué)與自動化研究所、英國謝菲爾德大學(xué)、美國三菱電子研究實(shí)驗(yàn)室等知名研究機(jī)構(gòu)所發(fā)起。比賽的目的是希望學(xué)術(shù)界和工業(yè)屆針對高噪聲和混響等現(xiàn)象影響下的實(shí)際場景提出全新的語音識別解決方案，以進(jìn)一步提升語音識別的實(shí)用性和普適性，目前CHiME比賽已經(jīng)舉辦五屆，成為業(yè)界影響力最大、參賽隊(duì)伍最多、水平最高的多通道噪聲魯棒性語音識別比賽。
歷屆CHiME比賽的參賽隊(duì)伍包括英國劍橋大學(xué)、美國卡內(nèi)基梅隆大學(xué)、約翰霍普金斯大學(xué)、日本NTT、日立中央研究院、德國RWTH亞琛大學(xué)等國際一流高校和研究機(jī)構(gòu)，以及清華大學(xué)、中科院聲學(xué)所、中科院自動化所、西北工業(yè)大學(xué)等國內(nèi)頂尖院校和研究所。
本屆大賽組委會通過采用4聲道麥克風(fēng)陣列對20個真實(shí)家庭的晚餐進(jìn)行錄音來形成比賽數(shù)據(jù)，用以考察和測試在家庭聚會等不同場景中自由交談風(fēng)格下的遠(yuǎn)場語音識別效果。
音頻樣本采集場景
賽事的難點(diǎn)主要來自以下方面：
- 多麥克風(fēng)陣列的同步錄音
- 對話風(fēng)格非常自由、近乎隨意
- 大量的語音交疊（Speech Overlap）
- 遠(yuǎn)場混響和噪聲干擾對錄音的影響
在兩年之前的上一屆比賽（CHiME-4）中，科大訊飛就曾通過和國內(nèi)外知名院校專家、團(tuán)隊(duì)的深入合作和討論，斬獲全部三個項(xiàng)目的桂冠并大幅刷新了各項(xiàng)目歷史最好記錄。
而在本屆比賽中，科大訊飛與中國科學(xué)技術(shù)大學(xué)杜俊教授、西北工業(yè)大學(xué)陳景東教授、佐治亞理工大學(xué)李錦輝教授等國內(nèi)外知名專家團(tuán)隊(duì)再度攜手。最終在單麥克風(fēng)陣列任務(wù)、分布式麥克風(fēng)陣列任務(wù)（Rank A）和兩種麥克風(fēng)陣列對應(yīng)的兩個端到端的語音識別任務(wù)（Rank B），共計四項(xiàng)任務(wù)中連續(xù)兩屆包攬所有項(xiàng)目冠軍，再次大幅刷新各項(xiàng)目的最好成績。
各參賽機(jī)構(gòu)詞錯誤率對比（單麥克風(fēng)陣列 Rank A）
各參賽機(jī)構(gòu)詞錯誤率對比（分布式陣列 Rank A）
各參賽機(jī)構(gòu)詞錯誤率對比（單麥克風(fēng)陣列 Rank B）
各參賽機(jī)構(gòu)詞錯誤率對比（分布式陣列 Rank B）
根據(jù)比賽前官方數(shù)據(jù)，基于主流前端系統(tǒng)和深度學(xué)習(xí)模型下本次比賽的樣本語音識別詞錯誤率（Word Error Rate，WER）高達(dá)81.14%，堪稱“史上最難語音識別任務(wù)"。
而科大訊飛團(tuán)隊(duì)所提交的系統(tǒng)，較官方基線系統(tǒng)將WER降低了絕對35個點(diǎn)，在分布式麥克風(fēng)陣列任務(wù)中，系統(tǒng)的效果甚至超過近講麥克風(fēng)，這不僅再次證明了科大訊飛在語音識別和多麥克風(fēng)陣列語音信號處理領(lǐng)域內(nèi)扎實(shí)的基本功和雄厚的實(shí)力，也表明了科大訊飛在中文語音識別領(lǐng)域長期保持被追趕地位的同時，英語語音識別領(lǐng)域也達(dá)到了同等高度和層次。
此前，在科技部召開的《新一代人工智能發(fā)展規(guī)劃》暨重大科技項(xiàng)目啟動會會上，國家宣布了首批四家國家新一代人工智能開放創(chuàng)新平臺名單，明確依托科大訊飛建設(shè)智能語音國家新一代人工智能開放創(chuàng)新平臺。
啟動會現(xiàn)場
在本次大賽中，科大訊飛所提交的系統(tǒng)在分布式麥克風(fēng)陣列任務(wù)上所取得的優(yōu)于近講麥克風(fēng)效果的成績，得到了大賽組辦方的高度贊揚(yáng)。科大訊飛在智能語音技術(shù)方面的雄厚實(shí)力得到再次肯定與鞏固，未來，科大訊飛將繼續(xù)堅(jiān)持核心源頭技術(shù)研發(fā)創(chuàng)新，用AI賦能各行各業(yè)。
