連續三次奪冠！
五四青年節當日，國際多通道語音分離和識別大賽（CHiME）組委會在線揭曉最新一屆CHiME-6成績：
科大訊飛聯合中科大語音及語言信息處理國家工程實驗室（USTC-NELSLIP）在給定說話人邊界的多通道語音識別兩個參賽任務上奪冠。
破自己的紀錄！
自2016年以來，科大訊飛第三次參加這項國際競賽并連續奪冠，這次的語音識別錯誤率從CHiME-5的46.1%降至30.5%。
- 喜報丨科大訊飛包攬CHiME-5全部冠軍
- 喜報｜科大訊飛包攬CHiME-4三項冠軍
CHiME-6被稱為“史上最難的語音識別任務”。
和CHiME-5相同，CHiME-6比賽使用的語音素材包括多個生活場景——多人在廚房邊做飯邊聊天、在起居室邊用餐邊聊天、在客廳聊天，帶來以下四大難點：
- 大量的語音交疊（Speech Overlap）
- 遠場混響和噪聲干擾對錄音的影響
- 對話風格非常自由、近乎隨意
- 訓練數據有限
CHiME-6音頻樣本采集于廚房、起居室、客廳等場景的多人對話
本次比賽的Track1任務與CHiME-5相同，即在給定說話人邊界的情況下重點考察參賽團隊的多通道信號處理能力及復雜場景語音識別能力。新設立的Track2任務要求參賽機構在自動說話人分離的基礎上再進行語音識別。
2018年的CHiME-5比賽，最優的參賽系統語音識別錯誤率仍高達46.1%，距離實用仍有較大差距。今年科大訊飛聯合團隊重點聚焦于Track1，希望進一步探索復雜場景語音識別實用化的可能性。
通過團隊的技術攻關，將該任務上的語音識別錯誤率從原來的46.1%降至30.5%，大幅刷新該項賽事歷史最好成績，最終在Track1的兩個子任務（Track1-RankingA，需使用官方語言模型；Track1-RankingB，不限制語言模型）上均斬獲冠軍。
科大訊飛奪得CHiME-6冠軍（Track1:Ranking A）
科大訊飛奪得CHiME-6冠軍（Track1:Ranking B）
同樣的考題，躍升的成績，靠什么？
在遠場、混響、噪音、聲音疊加、語言風格隨意等諸多不確定性的復雜場景下，得益于多年來在真實場景中的技術積累，科大訊飛聯合團隊針對比賽任務進行了一系列技術創新：
在前端信號處理方面，聯合團隊提出了基于空間-說話人同步感知的迭代掩碼估計算法(Spatial-and-Speaker-Aware Iterative Mask Estimation，SSA-IME)，該算法結合傳統信號處理和深度學習的優點，利用空時多維信息進行建模，迭代地從多個說話人場景中精確捕捉目標說話人的信息。該算法不僅有效降低環境干擾噪聲，而且可以有效消除干擾說話人的語音，從而大幅降低語音識別的處理難度。
在后端聲學模型上，聯合團隊提出了基于空間-說話人同步感知的聲學模型(Spatial-and-Speaker-Aware Acoustic Model，SSA-AM)，通過在聲學模型輸入端拼接多維度空間信息和不同說話人信息，使其能自適應區分目標說話人和干擾說話人。因此，聲學模型不僅依賴前端算法的處理結果，也能夠自適應完成對目標說話人語音特征的提取，大幅提升多人對話場景下語音識別聲學模型的容錯率和魯棒性。
語音識別應用場景更有A.I.
科大訊飛致力于智能語音技術的源頭創新及行業應用，并不斷挑戰語音識別實際應用中的技術難題。
2010年發布語音云，持續改善語音輸入、語音交互場景的準確率。
2015年發布訊飛聽見，逐步提升人人對話場景的準確率。
本次CHiME-6的研究成果無疑將進一步拓展語音識別的應用空間：
促進會議場景語音識別的實用化。相比于CHiME-6的比賽環境，在實際生活中的遠距離生活場景中，說話風格隨意性減少、語音疊加現象減少、訓練數據大幅增加，錯誤率也會大幅下降。本次比賽的技術成果可應用于訊飛聽見智能會議系統升級，進一步促進會議場景語音識別的實用化。
廣泛應用于不同的消費產品和服務中。搭載八麥克風陣列的訊飛智能錄音筆、能完整記錄會議內容的訊飛智能辦公本、能免切換識別中英文及23種方言的訊飛輸入法，為廣大用戶解決不同場景下的語音識別需求。
為全球提供多語種智能語音解決方案。得益于英文識別領域的深厚功力，科大訊飛正在大力拓展多語種語音識別方面的技術研究，有望為全球更多企業及消費者提供優質的多語種智能語音解決方案。
讓機器能聽會說，能理解會思考，用人工智能建設美好世界——這是我們的使命。
此次CHiME-6再奪冠，在“讓機器能聽”上，我們又邁進了一大步。
