最新发布!查看 magicdata 成品数据集

magic data-凯发体育网

press images

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!

即刻与 magic data 建立联系?

联系凯发体育网

top
联系凯发体育网
网站地图