CHiME（Computational Hearing in Multisource Environments）屬于國際語(yǔ)音識別評測中的高難度比賽，始辦于2011年，由法國計算機科學(xué)與自動(dòng)化研究所、英國謝菲爾德大學(xué)、美國三菱電子研究實(shí)驗室等知名研究機構所發(fā)起。比賽的目的是希望學(xué)術(shù)界和工業(yè)屆針對高噪聲和混響等現象影響下的實(shí)際場(chǎng)景提出全新的語(yǔ)音識別解決方案，以進(jìn)一步提升語(yǔ)音識別的實(shí)用性和普適性，目前CHiME比賽已經(jīng)舉辦五屆，成為業(yè)界影響力最大、參賽隊伍最多、水平最高的多通道噪聲魯棒性語(yǔ)音識別比賽。
歷屆CHiME比賽的參賽隊伍包括英國劍橋大學(xué)、美國卡內基梅隆大學(xué)、約翰霍普金斯大學(xué)、日本NTT、日立中央研究院、德國RWTH亞琛大學(xué)等國際一流高校和研究機構，以及清華大學(xué)、中科院聲學(xué)所、中科院自動(dòng)化所、西北工業(yè)大學(xué)等國內頂尖院校和研究所。
本屆大賽組委會(huì )通過(guò)采用4聲道麥克風(fēng)陣列對20個(gè)真實(shí)家庭的晚餐進(jìn)行錄音來(lái)形成比賽數據，用以考察和測試在家庭聚會(huì )等不同場(chǎng)景中自由交談風(fēng)格下的遠場(chǎng)語(yǔ)音識別效果。
音頻樣本采集場(chǎng)景
賽事的難點(diǎn)主要來(lái)自以下方面：
- 多麥克風(fēng)陣列的同步錄音
- 對話(huà)風(fēng)格非常自由、近乎隨意
- 大量的語(yǔ)音交疊（Speech Overlap）
- 遠場(chǎng)混響和噪聲干擾對錄音的影響
在兩年之前的上一屆比賽（CHiME-4）中，科大訊飛就曾通過(guò)和國內外知名院校專(zhuān)家、團隊的深入合作和討論，斬獲全部三個(gè)項目的桂冠并大幅刷新了各項目歷史最好記錄。
而在本屆比賽中，科大訊飛與中國科學(xué)技術(shù)大學(xué)杜俊教授、西北工業(yè)大學(xué)陳景東教授、佐治亞理工大學(xué)李錦輝教授等國內外知名專(zhuān)家團隊再度攜手。最終在單麥克風(fēng)陣列任務(wù)、分布式麥克風(fēng)陣列任務(wù)（Rank A）和兩種麥克風(fēng)陣列對應的兩個(gè)端到端的語(yǔ)音識別任務(wù)（Rank B），共計四項任務(wù)中連續兩屆包攬所有項目冠軍，再次大幅刷新各項目的最好成績(jì)。
各參賽機構詞錯誤率對比（單麥克風(fēng)陣列 Rank A）
各參賽機構詞錯誤率對比（分布式陣列 Rank A）
各參賽機構詞錯誤率對比（單麥克風(fēng)陣列 Rank B）
各參賽機構詞錯誤率對比（分布式陣列 Rank B）
根據比賽前官方數據，基于主流前端系統和深度學(xué)習模型下本次比賽的樣本語(yǔ)音識別詞錯誤率（Word Error Rate，WER）高達81.14%，堪稱(chēng)“史上最難語(yǔ)音識別任務(wù)"。
而科大訊飛團隊所提交的系統，較官方基線(xiàn)系統將WER降低了絕對35個(gè)點(diǎn)，在分布式麥克風(fēng)陣列任務(wù)中，系統的效果甚至超過(guò)近講麥克風(fēng)，這不僅再次證明了科大訊飛在語(yǔ)音識別和多麥克風(fēng)陣列語(yǔ)音信號處理領(lǐng)域內扎實(shí)的基本功和雄厚的實(shí)力，也表明了科大訊飛在中文語(yǔ)音識別領(lǐng)域長(cháng)期保持被追趕地位的同時(shí)，英語(yǔ)語(yǔ)音識別領(lǐng)域也達到了同等高度和層次。
此前，在科技部召開(kāi)的《新一代人工智能發(fā)展規劃》暨重大科技項目啟動(dòng)會(huì )會(huì )上，國家宣布了首批四家國家新一代人工智能開(kāi)放創(chuàng )新平臺名單，明確依托科大訊飛建設智能語(yǔ)音國家新一代人工智能開(kāi)放創(chuàng )新平臺。
啟動(dòng)會(huì )現場(chǎng)
在本次大賽中，科大訊飛所提交的系統在分布式麥克風(fēng)陣列任務(wù)上所取得的優(yōu)于近講麥克風(fēng)效果的成績(jì)，得到了大賽組辦方的高度贊揚。科大訊飛在智能語(yǔ)音技術(shù)方面的雄厚實(shí)力得到再次肯定與鞏固，未來(lái)，科大訊飛將繼續堅持核心源頭技術(shù)研發(fā)創(chuàng )新，用AI賦能各行各業(yè)。
