发布时间 : 2022-08-24 阅读量 : 295
2022年8月12日起，由magic data、好未来、清华大学、中国科学院声学研究所主办联合主办的 “magichub中英混asr挑战赛” 自开展以来，已经收到三十多支国内外研究机构、知名企业及高校的参赛队伍注册报名，包括 荔枝fm、特斯联、网易游戏、中移在线、中科院、华中科技大学、中国科学技术大学、西北工业大学、厦门大学、天津大学等。8月24日，主办方正式向参赛队伍开放开发训练集和基线系统。
报名持续进行中：
开发训练集
主办方开放了以下训练与开发数据集：
1、magicdata-ramc 包括351组多轮普通话对话，时长共计180小时。每组对话的标注信息包括转录文本、语音活动时间戳、说话人信息、录制信息和话题信息。说话人信息包括了性别、年龄和地域，录制信息包括了环境和设备。
2、tal_csasr中英文混合语音数据集，为好未来英语课授课音频，时长共计587小时。包含中英文混合讲话的情况，每条音频只有一位说话人，共包括超过200名说话人。
3、开发集（dev），包含14名说话人，总时长约6.8小时。
所有参与者都应遵守以下规则：
1、data：只允许使用magicdata-ramc 和 tal_csasr。数据增强可以使用两个噪声数据集，即 musan（openslr17), rirnoise (openslr 28)。
2、严禁以任何形式使用测试集，包括但不限于使用测试数据集对模型进行微调或训练。
3、允许多系统融合。然而不鼓励使用具有相同结构的系统进行融合。
4、所有模型都应在允许的数据集上进行训练。具体来说，预训练模型不允许使用其他数据集（包括未标记的数据）。
5、最终解释权归主办方所有。
基线系统介绍
为了帮助参赛者评估系统性能，主办方提供了基线系统性能供参赛者参考。该系统采用transformer模型，基于eteh平台开发。
具体信息请见：
打分工具
使用开源的打分工具sclite进行打分。评分指标采用混合错误率（mixed error rate, mer），即对中文计算字错误率、对英文计算词错误率。
打分样例请见 ：
基线系统答疑指导
对基线系统有任何疑问，请访问以下链接获取帮助，将有专家团队给予解答。
答疑直通车：
奖项设置
比赛分别设置一等奖、二等奖和三等奖，将评选出三组获奖团队/个人，获奖者将有机会参加国际及国内顶会的现场演示及交流活动。
一等奖 1名：华为watch 阿噗筋膜枪(价值3000元) 获奖证书
二等奖 2名：magic data锦鲤大礼包 好未来&凌美联名钢笔礼盒(价值1500元) 获奖证书
三等奖 3名：magic data定制礼品 阿噗体重秤(价值500元) 获奖证书
赛程设置
竞赛组委会支持团队
挑战赛相关问题，可请发送邮件至 open@magicdatatech.com，邮件标题为“中英混asr挑战赛疑问”。疑问将由以下组委会资深技术专家提供专业技术问答和指导。指导专家均在语音领域深耕多年，有着丰富研究和实战经验，相信参赛者们在他们的指导下能够得到启发与收获。
报名方式
报名地址：
参赛人数：每队参赛人数4人以内 (含4人)
更多详情：
比赛报名持续中，欢迎参赛！