microsoft/AEC-Challenge

解决的问题

声学回声消除（AEC）是音频通信中语音增强的一个关键但仍具挑战性的部分。本项目为研究人员提供了开发和测试新AEC算法所需的数据和评估资源，旨在推动该领域的发展。

工作原理

该项目开源了两个大型训练数据集：从超过10,000个真实音频设备和真实环境中的人类说话者捕获的真实录音，以及一个合成数据集。两者都涵盖单讲和双讲场景。为了衡量性能，它提供了一个在线主观测试框架和一个客观指标服务（包括AECMOS的全频带版本），以便快速检查结果。该挑战赛还增加了第二个针对个性化AEC的赛道，并将算法和缓冲延迟降低到20毫秒。

适用人群

从事声学回声消除、语音增强或音频通信的研究人员和工程师。它也直接面向参加ICASSP 2023声学回声消除挑战赛的参与者，他们希望使用公共数据集和评估流程来基准测试自己的算法。

亮点

• 两个大型开源数据集：来自超过10,000台设备的真实录音和一个合成集，涵盖单讲和双讲。
• 在线主观测试框架和客观指标服务（AECMOS），用于快速评估。
• 第二个赛道用于个性化AEC，并将延迟目标降低到20毫秒。
• 获奖者根据平均意见得分（MOS）和字准确率选出。