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，由法國計算機科學與自動化研究所、英國謝菲爾德大學、美國三菱電子研究實驗室等知名研究機構所發(fā)起。比賽的目的是希望學術界和工業(yè)屆針對高噪聲和混響等現(xiàn)象影響下的實際場景提出全新的語音識別解決方案，以進一步提升語音識別的實用性和普適性，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比賽的參賽隊伍包括英國劍橋大學、美國卡內(nèi)基梅隆大學、約翰霍普金斯大學、日本NTT、日立中央研究院、德國RWTH亞琛大學等國際一流高校和研究機構，以及清華大學、中科院聲學所、中科院自動化所、西北工業(yè)大學等國內(nèi)頂尖院校和研究所。
本屆大賽組委會通過采用4聲道麥克風陣列對20個真實家庭的晚餐進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格下的遠場語音識別效果。
音頻樣本采集場景
賽事的難點主要來自以下方面：
- 多麥克風陣列的同步錄音
- 對話風格非常自由、近乎隨意
- 大量的語音交疊（Speech Overlap）
- 遠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、團隊的深入合作和討論，斬獲全部三個項目的桂冠并大幅刷新了各項目歷史最好記錄。
而在本屆比賽中，科大訊飛與中國科學技術大學杜俊教授、西北工業(yè)大學陳景東教授、佐治亞理工大學李錦輝教授等國內(nèi)外知名專家團隊再度攜手。最終在單麥克風陣列任務、分布式麥克風陣列任務（Rank A）和兩種麥克風陣列對應的兩個端到端的語音識別任務（Rank B），共計四項任務中連續(xù)兩屆包攬所有項目冠軍，再次大幅刷新各項目的最好成績。
各參賽機構詞錯誤率對比（單麥克風陣列 Rank A）
各參賽機構詞錯誤率對比（分布式陣列 Rank A）
各參賽機構詞錯誤率對比（單麥克風陣列 Rank B）
各參賽機構詞錯誤率對比（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)和深度學習模型下本次比賽的樣本語音識別詞錯誤率（Word Error Rate，WER）高達81.14%，堪稱“史上最難語音識別任務"。
而科大訊飛團隊所提交的系統(tǒng)，較官方基線系統(tǒng)將WER降低了絕對35個點，在分布式麥克風陣列任務中，系統(tǒng)的效果甚至超過近講麥克風，這不僅再次證明了科大訊飛在語音識別和多麥克風陣列語音信號處理領域內(nèi)扎實的基本功和雄厚的實力，也表明了科大訊飛在中文語音識別領域長期保持被追趕地位的同時，英語語音識別領域也達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)在分布式麥克風陣列任務上所取得的優(yōu)于近講麥克風效果的成績，得到了大賽組辦方的高度贊揚�？拼笥嶏w在智能語音技術方面的雄厚實力得到再次肯定與鞏固，未來，科大訊飛將繼續(xù)堅持核心源頭技術研發(fā)創(chuàng)新，用AI賦能各行各業(yè)。
