AISHELL Speaker Verification Challenge 2019 希尔贝壳声纹识别大赛的总结

官方的线下交流材料见公众号https://mp.weixin.qq.com/s/bswlrv_ixG-lsAHUKaCfSA

 

比赛简介：

赛事数据来自希尔贝壳的AISHELL-WakeUp-1唤醒数据库。录音内容为“你好，米雅” “hi, mia”的唤醒词。340名录音人在真实家居环境中录制，设置7个录音位，包括6个圆形16路PDM麦克风阵列录音板做远场拾音(16kHz，16bit)、1个高保真麦克风用做近场拾音(44.1kHz，16bit)。

The setup of the AISHELL-WakeUp-1 database

本赛事数据为抽取AISHELL-WakeUp-1的高保真近讲Mic、1m、3m、5m的中文内容“你好，米雅”数据，其中训练集（254人）、开发集（42人）和测试集（44人）。数据详细信息可参考 AISHELL-WakeUp-1.pdf。Download

任务

多通道远场文本相关声纹识别：

Track1：近场数据注册，远场数据测试

即用高保真近讲Mic作为注册语音，将1m, 3m, 5m的阵列语音作为测试语音。

Track2：远场数据注册，远场数据测试

即用距离说话人1m的阵列语音作为注册语音，将1m, 3m, 5m的阵列语音作为测试语音。

 

比赛结果：第一名是小米智能科技。

看看第一名的小米团队做了哪些优化：

首先是数据处理，经过测试，任务一效果不好。将近场的麦克风采样率从44K降低为16K，识别效果变好。

然后还需要扩充训练数据集，比赛提供的训练数据集一共99万条语音，经过加躁等处理后，变成了200万条语音。

默认的VAD效果不好，自己重新训练一个kw-vad。

经过训练集扩充之后的错误率一直在下降。

物理设备非常豪华。

 

模型是3个模型，而不是一个模型。

 

最后打分的结果是将3个模型的结果加权。

脚本可以参考kaldi的sre16等。