建設(shè)網(wǎng)站與服務(wù)器,南昌企業(yè)網(wǎng)站設(shè)計(jì)公司,學(xué)建設(shè)網(wǎng)站去哪里學(xué),官方網(wǎng)站建設(shè)思路國際語音頂級會議 Interspeech 2026 將于明年 9 月在澳大利亞悉尼舉行。由小米、薩里大學(xué)、清華大學(xué)、海天瑞聲聯(lián)合發(fā)起的第二屆 Audio Encoder Capability Challenge#xff08;AECC#xff09;音頻編碼器能力挑戰(zhàn)賽將同步亮相 Interspeech 2026#xff0c;目前已正式開放報…國際語音頂級會議 Interspeech 2026 將于明年 9 月在澳大利亞悉尼舉行。由小米、薩里大學(xué)、清華大學(xué)、海天瑞聲聯(lián)合發(fā)起的第二屆 Audio Encoder Capability ChallengeAECC音頻編碼器能力挑戰(zhàn)賽將同步亮相 Interspeech 2026目前已正式開放報名。當(dāng)前音頻大語言模型LALMs發(fā)展迅速但大多數(shù)主流模型在音頻前端編碼器上選擇非常單一幾乎均基于 OpenAI Whisper Encoder。這種對單一技術(shù)的依賴不利于模型架構(gòu)的多樣化探索也限制了 LALMs 整體能力的進(jìn)一步提升。為應(yīng)對音頻理解能力不斷增長的需求本次挑戰(zhàn)賽將聚焦于音頻編碼器這一核心模塊重點(diǎn)評估其在復(fù)雜真實(shí)場景下的理解與特征表示能力。一、比賽介紹1.1 評測方法本次挑戰(zhàn)賽采用統(tǒng)一的端到端訓(xùn)練和評估框架。參賽者只需提交預(yù)訓(xùn)練的編碼器模型下游任務(wù)的訓(xùn)練和評估由主辦方完成。主辦方提供了開源的評估系統(tǒng) XARES-LLM (https://github.com/xiaomi-research/xares-llm)。該系統(tǒng)基于用戶提供的音頻編碼器自動訓(xùn)練一個典型的 LALM。該系統(tǒng)會自動下載訓(xùn)練數(shù)據(jù)訓(xùn)練模型然后測試各種下游任務(wù)并為每個任務(wù)提供分?jǐn)?shù)如下圖所示。參賽者并不需要自己運(yùn)行 XARES-LLM而只需把音頻編碼器按照一個簡單的接口說明和示例封裝通過郵件發(fā)送給主辦方即可大模型的訓(xùn)練和評估由主辦方完成。當(dāng)然由于 XARES-LLM 是開源的且只需 GTX4090 即可完成訓(xùn)練和評估參賽者也可以自行使用該系統(tǒng)訓(xùn)練大模型、評估待提交的編碼器的性能并和主辦方提供的基線系統(tǒng)比較。1.2訓(xùn)練數(shù)據(jù)和大多數(shù)比賽不同本挑戰(zhàn)賽不僅重視模型設(shè)計(jì)和訓(xùn)練也同樣重視數(shù)據(jù)的收集和利用。主辦方不規(guī)定具體的訓(xùn)練數(shù)據(jù)集。參賽者可以使用任何數(shù)據(jù)訓(xùn)練包括在網(wǎng)絡(luò)上抓取的數(shù)據(jù)但訓(xùn)練數(shù)據(jù)必須是公開可訪問的不得使用私有保密數(shù)據(jù)。參賽的模型既可以基于任何開源的預(yù)訓(xùn)練模型參數(shù)也可以從頭訓(xùn)練。同時海天瑞聲公司為比賽提供了一個補(bǔ)充數(shù)據(jù)集供參賽者免費(fèi)使用。該數(shù)據(jù)集從八個商用數(shù)據(jù)集King-ASR-457、King-ASR-958 等提取構(gòu)建而成。其內(nèi)容涵蓋了豐富的日常環(huán)境噪聲具體包括書店、健身房、地鐵、餐廳等多種室內(nèi)外場景的背景噪聲以及家庭環(huán)境下的不同距離背景噪聲。此外數(shù)據(jù)集還收錄了水流、腳步聲、戶外窗邊等特定非語音干擾聲以及地鐵車廂在不同時段的運(yùn)行噪聲。嘯叫類數(shù)據(jù)則包含了通話、游戲和直播場景下的純凈嘯叫聲。車輛相關(guān)環(huán)境噪聲也是其重要組成部分如機(jī)械噪聲、空調(diào)運(yùn)行聲和開窗風(fēng)噪還有咖啡館、醫(yī)院、市場、步行街等生活場景的實(shí)錄環(huán)境聲。報名參賽者可以免費(fèi)訪問該數(shù)據(jù)集細(xì)節(jié)詳見 :https://dataoceanai.github.io/Interspeech2026-Audio-Encoder-Challenge/King_NonSpeech-Dataset_en_20h.html。1.3 賽道設(shè)置我們設(shè)置了兩個賽道賽道 A 關(guān)注大模型處理傳統(tǒng)分類任務(wù)、輸出分類標(biāo)簽的能力賽道 B 關(guān)注大模型的理解和表達(dá)能力。參賽者無需選擇賽道。所有提交作品將同時接受兩個賽道的評估兩個賽道獨(dú)立排名?！?☆賽道 A 傳統(tǒng)分類任務(wù)領(lǐng)域數(shù)據(jù)集任務(wù)類型指標(biāo)#語音Speech Commands關(guān)鍵詞檢測準(zhǔn)確率30LibriCount說話人計(jì)數(shù)準(zhǔn)確率11VoxLingua107語言識別準(zhǔn)確率33VoxCeleb1-Binary二元說話人識別準(zhǔn)確率2ASVSpoof2015欺騙檢測準(zhǔn)確率2Fluent Speech Commands意圖分類準(zhǔn)確率31VocalSound非語音聲音識別準(zhǔn)確率6CREMA-D情感識別準(zhǔn)確率5ASV2015欺騙檢測準(zhǔn)確率2聲音ESC-50環(huán)境聲音分類準(zhǔn)確率50FSD50k聲音事件檢測平均精度200UrbanSound 8k城市聲音分類準(zhǔn)確率10FSD18-Kaggle聲音事件檢測平均精度41音樂GTZAN Genre流派分類準(zhǔn)確率10NSynth-Instruments樂器分類準(zhǔn)確率11Free Music Archive Small音樂流派分類準(zhǔn)確率8☆ ☆賽道 B 理解和表達(dá)任務(wù)數(shù)據(jù)集任務(wù)類型指標(biāo)LibriSpeech-100h語音識別iWERAISHELL-1-100h語音識別iWERClotho音頻描述FENSEThe Song Describer Dataset音樂描述FENSEMECAT通用描述DATE二、報名參賽2.1 報名和提交方法在2026.01.25 11:59 PM AoE 前填寫報名鏈接https://docs.google.com/forms/d/1oaTnhh0HVX8K2oRdHKXsnyZfBWb7F6Oj8xZ6yAiMI74/viewform?edit_requestedtrue參考https://github.com/xiaomi-research/xares-llm/tree/main/example 封裝自己的編碼器并通過https://github.com/xiaomi-research/xares-llm/tree/main/scripts/audio_encoder_checker.py 工具的檢查。在2026.02.12 11:59 PM AoE 前把編碼器代碼和模型文件打成 zip 包通過郵件發(fā)送給主辦方。在2026.02.25 11:59 PM AoE 前把技術(shù)報告 PDF 文件郵件發(fā)送給主辦方。技術(shù)報告可以同時在 Interspeech 官方提交系統(tǒng)作為會議論文投稿。2.2 聯(lián)系方式主辦方郵箱:2026interspeech-aeccdataoceanai.com挑戰(zhàn)賽官網(wǎng):https://dataoceanai.github.io/Interspeech2026-Audio-Encoder-Challenge/微信群END