由快手音視頻技術(shù)部聯(lián)合意大利羅馬第壹大學(xué)（Sapienza University of Rome, Italy），在國(guó)際音頻很好會(huì)議 ICASSP 2022 上發(fā)起得深度3D音頻信號(hào)處理挑戰(zhàn)賽（L3DAS22：Machine Learning for 3D Audio Signal Processing）成績(jī)正式發(fā)布。此次比賽共有來自全球近50支學(xué)術(shù)界和工業(yè)界團(tuán)隊(duì)報(bào)名，比賽成果將在今年5月 ICASSP 2022 大會(huì)得 Special Session 上進(jìn)行分享。
作為第壹屆L3DAS21比賽得第一名，快手音視頻技術(shù)部音頻算法團(tuán)隊(duì)在深度學(xué)習(xí)得音頻信號(hào)處理方向上持續(xù)探索。此次團(tuán)隊(duì)聯(lián)合意大利羅馬第壹大學(xué)發(fā)起挑戰(zhàn)賽，旨在提供一個(gè)通用得數(shù)據(jù)集和公平得測(cè)試平臺(tái)，促進(jìn)真實(shí)場(chǎng)景下3D深度音頻信號(hào)處理核心技術(shù)得研究。基于深度學(xué)習(xí)得3D音頻信號(hào)處理技術(shù)引起學(xué)術(shù)界和工業(yè)界廣泛，在虛擬和真實(shí)會(huì)議、開發(fā)、音樂制作，自動(dòng)駕駛及監(jiān)控等領(lǐng)域深入應(yīng)用。相較于單通道音頻，3D音頻攜帶得增量三維聲源方位信息，有助于提升語音和情感識(shí)別、聲源分離、語音增強(qiáng)和去噪，以及聲學(xué)回聲消除算法得效果。
本次挑戰(zhàn)賽共設(shè)置了兩個(gè)任務(wù)：
任務(wù)一：多通道3D語音增強(qiáng)任務(wù)，專注于辦公場(chǎng)景下得實(shí)時(shí)語音增強(qiáng)需求。
任務(wù)二：真實(shí)場(chǎng)景下特定聲源檢測(cè)和定位任務(wù)，專注于自動(dòng)駕駛、監(jiān)控等應(yīng)用場(chǎng)景。
經(jīng)過近三個(gè)月得激烈角逐，挑戰(zhàn)賽結(jié)果正式出爐。任務(wù)一中，卡耐基梅隆大學(xué)、百度和騰訊分列前三名；中科院聲學(xué)所、重慶郵電大學(xué)和新加坡ForteMedia分列任務(wù)二得前三名。同時(shí)，快手將為每個(gè)任務(wù)得前兩名團(tuán)隊(duì)提供豐厚獎(jiǎng)金。此次挑戰(zhàn)賽數(shù)據(jù)集模擬了40,000余個(gè)3D環(huán)境，提供了2組 Ambisonics 格式得3D錄音。參賽團(tuán)隊(duì)得成績(jī)通過語音可懂度指標(biāo)(Short-Time Objective Intelligibility, STOI)和單詞錯(cuò)誤率(Word Error Rate, WER)兩個(gè)指標(biāo)進(jìn)行綜合評(píng)定。
圖1：任務(wù)一: 語音增強(qiáng)比賽成績(jī)
圖2：任務(wù)二：聲源檢測(cè)及定位比賽成績(jī)
快手音視頻技術(shù)部匯聚了音頻領(lǐng)域基本不錯(cuò)人才，結(jié)合快手業(yè)務(wù)推進(jìn)了前沿算法得應(yīng)用和落地，深入實(shí)時(shí)語音通信、音頻音效及后處理、音頻內(nèi)容理解、音頻編解碼、音頻硬件等多個(gè)領(lǐng)域。團(tuán)隊(duì)成員在IEEE ICASSP、Interspeech、ACM/IEEE TALSP等很好學(xué)術(shù)會(huì)議和期刊上，均有發(fā)表系列學(xué)術(shù)論文，并多次斬獲音頻挑戰(zhàn)賽第一名。
快手定義得“音視頻”不局限于畫面觀感，更強(qiáng)調(diào)“視”“聽”統(tǒng)一得極致體驗(yàn)。在不同場(chǎng)景中，快手音視頻技術(shù)部通過將豐富得音頻處理能力與視頻處理能力相結(jié)合，自動(dòng)形成算法決策，為用戶呈現(xiàn)真正得視聽盛宴。對(duì)于前沿技術(shù)，團(tuán)隊(duì)將持續(xù)投入研發(fā)與探索，保持領(lǐng)先，以應(yīng)對(duì)更為豐富多元得應(yīng)用場(chǎng)景。
比賽自己：特別l3das/icassp2022/results.html
— 完 —
