建设网站与服务器南昌企业网站设计公司

建设网站与服务器,南昌企业网站设计公司,学建设网站去哪里学,官方网站建设思路国际语音顶级会议 Interspeech 2026 将于明年 9 月在澳大利亚悉尼举行。由小米、萨里大学、清华大学、海天瑞声联合发起的第二届 Audio Encoder Capability Challenge#xff08;AECC#xff09;音频编码器能力挑战赛将同步亮相 Interspeech 2026#xff0c;目前已正式开放报…国际语音顶级会议 Interspeech 2026 将于明年 9 月在澳大利亚悉尼举行。由小米、萨里大学、清华大学、海天瑞声联合发起的第二届 Audio Encoder Capability ChallengeAECC音频编码器能力挑战赛将同步亮相 Interspeech 2026目前已正式开放报名。当前音频大语言模型LALMs发展迅速但大多数主流模型在音频前端编码器上选择非常单一几乎均基于 OpenAI Whisper Encoder。这种对单一技术的依赖不利于模型架构的多样化探索也限制了 LALMs 整体能力的进一步提升。为应对音频理解能力不断增长的需求本次挑战赛将聚焦于音频编码器这一核心模块重点评估其在复杂真实场景下的理解与特征表示能力。一、比赛介绍1.1 评测方法本次挑战赛采用统一的端到端训练和评估框架。参赛者只需提交预训练的编码器模型下游任务的训练和评估由主办方完成。主办方提供了开源的评估系统 XARES-LLM (https://github.com/xiaomi-research/xares-llm)。该系统基于用户提供的音频编码器自动训练一个典型的 LALM。该系统会自动下载训练数据训练模型然后测试各种下游任务并为每个任务提供分数如下图所示。参赛者并不需要自己运行 XARES-LLM而只需把音频编码器按照一个简单的接口说明和示例封装通过邮件发送给主办方即可大模型的训练和评估由主办方完成。当然由于 XARES-LLM 是开源的且只需 GTX4090 即可完成训练和评估参赛者也可以自行使用该系统训练大模型、评估待提交的编码器的性能并和主办方提供的基线系统比较。1.2训练数据和大多数比赛不同本挑战赛不仅重视模型设计和训练也同样重视数据的收集和利用。主办方不规定具体的训练数据集。参赛者可以使用任何数据训练包括在网络上抓取的数据但训练数据必须是公开可访问的不得使用私有保密数据。参赛的模型既可以基于任何开源的预训练模型参数也可以从头训练。同时海天瑞声公司为比赛提供了一个补充数据集供参赛者免费使用。该数据集从八个商用数据集King-ASR-457、King-ASR-958 等提取构建而成。其内容涵盖了丰富的日常环境噪声具体包括书店、健身房、地铁、餐厅等多种室内外场景的背景噪声以及家庭环境下的不同距离背景噪声。此外数据集还收录了水流、脚步声、户外窗边等特定非语音干扰声以及地铁车厢在不同时段的运行噪声。啸叫类数据则包含了通话、游戏和直播场景下的纯净啸叫声。车辆相关环境噪声也是其重要组成部分如机械噪声、空调运行声和开窗风噪还有咖啡馆、医院、市场、步行街等生活场景的实录环境声。报名参赛者可以免费访问该数据集细节详见 :https://dataoceanai.github.io/Interspeech2026-Audio-Encoder-Challenge/King_NonSpeech-Dataset_en_20h.html。1.3 赛道设置我们设置了两个赛道赛道 A 关注大模型处理传统分类任务、输出分类标签的能力赛道 B 关注大模型的理解和表达能力。参赛者无需选择赛道。所有提交作品将同时接受两个赛道的评估两个赛道独立排名。☆ ☆赛道 A 传统分类任务领域数据集任务类型指标#语音Speech Commands关键词检测准确率30LibriCount说话人计数准确率11VoxLingua107语言识别准确率33VoxCeleb1-Binary二元说话人识别准确率2ASVSpoof2015欺骗检测准确率2Fluent Speech Commands意图分类准确率31VocalSound非语音声音识别准确率6CREMA-D情感识别准确率5ASV2015欺骗检测准确率2声音ESC-50环境声音分类准确率50FSD50k声音事件检测平均精度200UrbanSound 8k城市声音分类准确率10FSD18-Kaggle声音事件检测平均精度41音乐GTZAN Genre流派分类准确率10NSynth-Instruments乐器分类准确率11Free Music Archive Small音乐流派分类准确率8☆ ☆赛道 B 理解和表达任务数据集任务类型指标LibriSpeech-100h语音识别iWERAISHELL-1-100h语音识别iWERClotho音频描述FENSEThe Song Describer Dataset音乐描述FENSEMECAT通用描述DATE二、报名参赛2.1 报名和提交方法在2026.01.25 11:59 PM AoE 前填写报名链接https://docs.google.com/forms/d/1oaTnhh0HVX8K2oRdHKXsnyZfBWb7F6Oj8xZ6yAiMI74/viewform?edit_requestedtrue参考https://github.com/xiaomi-research/xares-llm/tree/main/example 封装自己的编码器并通过https://github.com/xiaomi-research/xares-llm/tree/main/scripts/audio_encoder_checker.py 工具的检查。在2026.02.12 11:59 PM AoE 前把编码器代码和模型文件打成 zip 包通过邮件发送给主办方。在2026.02.25 11:59 PM AoE 前把技术报告 PDF 文件邮件发送给主办方。技术报告可以同时在 Interspeech 官方提交系统作为会议论文投稿。2.2 联系方式主办方邮箱:2026interspeech-aeccdataoceanai.com挑战赛官网:https://dataoceanai.github.io/Interspeech2026-Audio-Encoder-Challenge/微信群END