Pretraining Approaches for Spoken Language Recognition: TalTech Submission to the OLR 2021 Challenge
TalTech(塔林理工大学)
本文研究了口语识别的不同预训练方法。这篇论文是基于我们提交给2021年东方语言识别挑战赛的论文。我们参加了两个轨道的挑战:约束和无约束的语言识别。对于受约束的音轨,我们首先使用提供的具有可用转录的训练数据训练了一个用于多语言自动语音识别(ASR)的基于Conformer的编码器-解码器模型。然后对多语言ASR模型的共享编码器进行微调,以用于语言识别任务。对于不受约束的任务,我们依赖于外部可用的预训练模型和外部数据:多语言XLSR-53 wav2vec2.0模型在VoxLingua 107语料库上进行微调,用于语言识别任务,最后在提供的目标语言训练数据上进行微调,并使用CommonVoice数据进行增强。我们在测试集上的主要度量$C_{\rm avg}$值对于受约束的任务是0.0079,对于无约束的任务是0.0119,这导致了两个排名中的第二名。在后评估实验中,我们研究了训练准确的后端模型所需的目标语言数据量,多语言预训练数据的重要性,并将不同的模型作为微调的起点进行比较。
2022-05-14 cs.CL eess.AS
A simple but tough-to-beat baseline for the Fake News Challenge stance detection task
University College London(伦敦大学学院);University of Copenhagen(哥本哈根大学)
识别公众错误信息是一项复杂而具有挑战性的任务。检查一个具体声明的真实性的一个重要部分是评估不同新闻来源对该声明的立场。自动姿态评估,即姿态检测,可以说有助于事实核查的过程。在本文中,我们介绍了我们的立场检测系统,该系统在假新闻挑战赛的第一阶段中获得第三名。尽管我们的方法简单明了,但我们的系统在与前两名获胜团队的复杂合奏中表现出竞争力。因此,我们提出我们的系统作为“简单但难以击败的基线”,用于假新闻挑战的立场检测任务。
2018-05-21 cs.CL
Speak & Improve Challenge 2025: Tasks and Baseline Systems
ALTA Institute(阿尔塔研究所);University of Cambridge(剑桥大学);Cambridge University Press and Assessment(剑桥大学出版社与评估部)
本文介绍Speak & Improve挑战赛2025,包含四个共享任务(ASR、SLA、SGEC、SGECF),发布含315小时音频的S&I语料库2025及基线系统,旨在推进口语评估与反馈研究。
2024-12-17 cs.CL
Factoring Statutory Reasoning as Language Understanding Challenges
Center for Language and Speech Processing(语言与语音处理中心);Johns Hopkins University(约翰霍普金斯大学);Baltimore, Maryland, USA(美国马里兰州巴尔的摩)
成文法推理是确定以自然语言表述的法律成文法是否适用于案件的文本描述的任务。以前的工作介绍了一种资源,将法定推理作为一个整体的文本蕴涵问题,神经基线几乎是偶然的。为了解决这一挑战,我们分解成四种类型的语言理解的挑战问题,通过引入Prolog程序中发现的概念和结构的法定推理。在现有基准的基础上,我们为这四个任务提供了注释,并为其中三个任务提供了基线。模型的法定推理受益于额外的结构,改善先前的基线。此外,分解成子任务有助于更细粒度的模型诊断和更清晰的增量进度。
2021-05-17 cs.CL
Heuristic Feature Selection for Clickbait Detection
Bauhaus-Universität Weimar(魏玛包豪斯大学);Leipzig University(莱比锡大学)
我们研究特征选择作为优化2017年Clickbait挑战赛中使用的基线clickbait检测器的一种手段。这项挑战的任务是对给定Twitter推文的“点击诱饵”进行评分,评分范围从0(无点击诱饵)到1(强点击诱饵)。与提交挑战的大多数其他方法不同,基线方法基于手动特征工程,并且不与许多基于深度学习的方法竞争。我们表明,扩大特征选择的努力,以明确地确定性能更好的特征子集弹射器的性能的基线分类器的整体排名第二,击败12个其他竞争的方法,并提高了20%的基线性能。这表明传统的分类方法仍然可以在这项任务上跟上深度学习。
2018-02-04 cs.CL
Contract Discovery: Dataset and a Few-Shot Semantic Retrieval Challenge with Competitive Baselines
我们提出了一个新的共享任务的语义检索从法律文本,在其中一个所谓的合同发现是要执行的,其中法律条款从文件中提取,给出了一些例子,类似的条款从其他法律行为。该任务与传统的NLI和关于法律信息抽取的共享任务有很大不同(例如,必须标识文本跨度而不是单个文档、页面或段落)。所提出的任务的规格其次是多个解决方案的统一框架内提出的方法,这一分支的评价。结果表明,国家的最先进的预训练编码器未能提供令人满意的结果,提出的任务。相比之下,基于语言模型的解决方案性能更好,特别是在应用无监督微调时。除了消融研究,我们还解决了相关文本片段的检测准确性问题,这取决于可用的示例数量。除了数据集和参考结果外,还公开了法律领域的专业LM。
2020-10-08 cs.CL
Multi-Dialect Vietnamese: Task, Dataset, Baseline Models and Challenges
University of Information Technology(信息科技大学);Vietnam National University(越南国立大学)
针对现有越南语语音数据集缺乏63种省级方言细粒度分类的问题,该研究构建了含102.56小时音频的ViMD数据集,并通过微调SOTA预训练模型开展方言识别与语音识别实验,揭示了地理因素的影响及现有方法的局限。
2024-10-04 cs.CL
Unsupervised neural adaptation model based on optimal transport for spoken language identification
National Institute of Information and Communications Technology(日本国立信息与通信技术研究所);Research Center for Information Technology Innovation, Academic Sinica(中央研究院资讯科技创新研究中心)
由于训练集和测试集之间声学语音的统计分布的不匹配,口语识别(SLID)的性能会急剧下降。在本文中,我们提出了一个无监督的神经适应模型来处理SLID的分布失配问题。在我们的模型中,我们明确地制定了适应,以减少训练和测试数据集的特征和分类器的分布差异。此外,受最优运输(OT)的强大功能来衡量分布差异的启发,Wasserstein距离度量的适应损失。通过最小化训练数据集和测试数据集上的自适应损失以及训练数据集上的分类损失,减小了训练域和测试域之间的统计分布差异。我们在东方语言识别(OLR)挑战数据集上进行了SLID实验,其中训练和测试数据集是从不同条件下收集的。我们的研究结果表明,跨领域测试任务取得了显着的改善。
2020-12-24 cs.CL cs.LG cs.SD
Challenges in Data-to-Document Generation
最近的神经模型已经显示出显着的进展问题上产生简短的描述性文本的条件下,少量的数据库记录。在这项工作中,我们提出了一个稍微困难的数据到文本生成任务,并调查如何有效地目前的方法是在这项任务上。特别是,我们引入了一个新的,大规模的数据记录与描述性文档配对的语料库,提出了一系列用于分析性能的提取评估方法,并使用当前的神经生成方法获得基线结果。实验表明,这些模型产生流畅的文本,但无法令人信服地近似人类生成的文档。此外,即使是模板化的基线在某些指标上也超过了这些神经模型的性能,尽管基于复制和重建的扩展带来了显着的改进。
2017-07-25 cs.CL
IUST at SemEval-2020 Task 9: Sentiment Analysis for Code-Mixed Social Media Text using Deep Neural Networks and Linear Baselines
Iran University of Science and Technology(伊朗科技大学)
情感分析是自然语言处理的一个研究领域。然而,社交媒体的快速增长和其中的嘈杂内容对用成熟的方法和工具解决这个问题提出了重大挑战。其中一个挑战是代码混合,这意味着在社交媒体文本中使用不同的语言来传达思想。我们的团队名为IUST(用户名:TAHA),参加了SemEval-2020共享任务9关于代码混合社交媒体文本的情感分析,我们试图开发一个系统来预测给定代码混合推文的情感。我们使用了不同的预处理技术,并建议使用不同的方法,从NBSVM到更复杂的深度神经网络模型。我们的最佳执行方法获得了0.751的F1分数的西班牙语-英语子任务和0.706的印地语-英语子任务。
2020-07-24 cs.CL
A Baseline for the Commands For Autonomous Vehicles Challenge
KU Leuven(鲁汶大学)
自动驾驶汽车指令(C4AV)挑战要求参与者在现实世界中解决一个对象引用任务。更具体地说,我们考虑一个场景,乘客可以向自动驾驶汽车传递自由形式的自然语言命令。这个问题特别具有挑战性,因为与现有的基准测试相比,该语言的约束要少得多,并且对象引用通常是隐式的。挑战基于最近的\texttt{Talk2Car}数据集。本文档提供了我们发布的模型的技术概述,以帮助参与者开始比赛。代码可以在https://github.com/talk2car/Talk2Car上找到。
2020-04-20 cs.CL cs.LG
The Second DIHARD Diarization Challenge: Dataset, task, and baselines
University of Pennsylvania(宾夕法尼亚大学);Linguistic Data Consortium(语言数据联盟);Baidu Research(百度研究院);PSL University(巴黎文理研究大学);ENS(巴黎高等师范学院);EHESS(法国高等社会科学研究院);CNRS(法国国家科学研究中心);University of Science and Technology of China(中国科学技术大学);Indian Institute of Science(印度科学学院)
本文介绍了第二个DIHARD挑战,第二个在一系列的扬声器日志化的挑战,旨在提高日志化系统的鲁棒性,在录音设备,噪声条件和会话域的变化。该挑战包括四个轨道,在两个输入条件(单通道与多通道)和两个分割条件(从参考语音分割的日记与从头开始的日记)下评估日记化性能。为了防止参与者过度调谐到记录条件和会话域的特定组合,从各种来源提取记录,从阅读有声读物到会议演讲,到儿童语言习得记录,到晚宴,到网络视频。我们描述的任务和指标,挑战设计,数据集,和基线系统的语音增强,语音活动检测和日记。
2019-06-18 cs.CL eess.AS
OC16-CE80: A Chinese-English Mixlingual Database and A Speech Recognition Baseline
Tsinghua University(清华大学);Chinese Academy of Sciences(中国科学院);SpeechOcean(海天瑞声)
OC 16-CE 80中英混合语言语音数据库是O-COCOSDA 2016上发布的中英混合语言语音识别(MixASR-CHEN)挑战赛的主要训练、开发和测试资源。该数据库由1,400多人80小时的语音信号组成,这些语音信号是汉语的,但每个语音信号都包含一个或几个英语单词。基于该数据库和另外两个免费数据源(THCHS 30和CMU词典),采用深度神经网络-隐马尔可夫模型(DNN-HMM)混合系统构建了语音识别(ASR)基线。然后,我们根据MixASR-CHEN评估规则报告了基线结果,并证明OC 16-CE 80是混合语言研究的合理数据源。
2016-09-27 cs.CL
The UD-NewsCrawl Treebank: Reflections and Challenges from a Large-scale Tagalog Syntactic Annotation Project
Allen Institute for AI(艾伦人工智能研究所);Charles Darwin University(查尔斯达尔文大学);Department of Linguistics, University of the Philippines Diliman(菲律宾大学达林汉分校语言系);Electrical and Electronics Engineering Institute, University of the Philippines Diliman(菲律宾大学达林汉分校电气与电子工程研究所)
本文介绍UD-NewsCrawl,最大的他加禄语树库,含15.6k棵手工标注树,并评估多种transformer模型基线性能,揭示其句法分析挑战,为低资源语言计算语言学研究提供宝贵资源。
2025-05-26 cs.CL
Overview of AI-Debater 2023: The Challenges of Argument Generation Tasks
Fudan University(复旦大学);Zhongyuan University of Technology(中原工学院);Southeast University(东南大学);Hainan University(海南大学);South China Agricultural University(华南农业大学)
本文介绍了 AI-Debater 2023 Challenge 的两个论辩生成赛道、数据集、基线模型及比赛结果,总结了参赛系统的共性与创新。
2024-07-24 cs.CL
Baseline System of Voice Conversion Challenge 2020 with Cyclic Variational Autoencoder and Parallel WaveGAN
Graduate School of Information Science, Nagoya University(名古屋大学信息科学研究生院);Information Technology Center, Nagoya University(名古屋大学信息技术中心)
在本文中,我们描述了具有循环变分自编码器(CycleVAE)和并行WaveGAN(PWG)的语音转换挑战赛(VCC)2020的基线系统,即,循环VAEPWG。CycleVAE是一种基于非并行VAE的语音转换,它利用转换后的声学特征在优化过程中考虑循环重建频谱。另一方面,PWG是一种基于生成对抗网络的非自回归神经声码器,用于高质量和快速的波形发生器。在实践中,CycleVAEPWG系统可以直接使用VCC 2020数据集开发,使用任务1(语内)和任务2(跨语言)的统一模型,我们的开源实现可在https://github.com/bigpon/vcc20_baseline_cyclevae上获得。VCC 2020的结果表明,CycleVAEPWG基线实现了以下目标:1)对于任务1,自然度的平均意见得分(MOS)为2.87,说话者相似度百分比(Sim)为75.37%,以及2)对于任务2,MOS为2.56,Sim为56.46%,示出了近似或接近自然度的平均分数和高于说话者相似性的平均分数。
2020-10-09 cs.CL cs.SD eess.AS
The Sequence-to-Sequence Baseline for the Voice Conversion Challenge 2020: Cascading ASR and TTS
Nagoya University(名古屋大学);Johns Hopkins University(约翰斯·霍普金斯大学)
本文介绍了2020年语音转换挑战赛(VCC)的序列到序列(seq2seq)基线系统。我们考虑了一种简单的语音转换(VC)方法,即首先使用自动语音识别(ASR)模型对输入语音进行转录,然后使用转录器使用文本到语音(TTS)模型生成目标的语音。我们利用ESPnet(一个开源的端到端语音处理工具包)和社区提供的许多配置良好的预训练模型,在序列到序列(seq2seq)框架下重新审视这种方法。官方评估结果表明,我们的系统在参与系统中的转换相似性,展示了seq2seq模型转换说话人身份的能力。该实现在https://github.com/espnet/espnet/tree/master/egs/vcc20上开源。
2020-10-06 cs.CL cs.SD eess.AS
Think you have Solved Question Answering? Try ARC, the AI2 Reasoning Challenge
Allen Institute for Artificial Intelligence(艾伦人工智能研究所)
我们提出了一个新的问题集,文本语料库和基线组装,以鼓励在先进的问答人工智能研究。这些共同构成了AI 2推理挑战(ARC),它需要比SQuAD或SNLI等以前的挑战更强大的知识和推理。ARC问题集被划分为挑战集和简单集,其中挑战集仅包含由基于检索的算法和词共现算法错误回答的问题。该数据集只包含自然的、小学的科学问题(为人类测试而编写),是此类公共领域中最大的集合(7,787个问题)。我们在挑战集上测试了几个基线,包括SQuAD和SNLI任务中的领先神经模型,发现没有一个能够显著优于随机基线,反映了这项任务的困难性质。我们还发布了ARC语料库,这是一个与任务相关的1400万个科学句子的语料库,以及测试的三个神经基线模型的实现。你的模型能做得更好吗?我们将ARC视为对社区的挑战。
2018-03-14 cs.AI cs.CL cs.IR
The MuSe 2024 Multimodal Sentiment Analysis Challenge: Social Perception and Humor Recognition
University of Augsburg(奥格斯堡大学);University of Passau(帕绍大学);Recoro
本文介绍MuSe 2024的社会感知与跨文化幽默识别两项任务,并基于Transformers、专家特征及GRU-RNN构建竞争性基线。
2024-06-11 cs.AI cs.CL
Text-based RL Agents with Commonsense Knowledge: New Challenges, Environments and Baselines
IBM Research(IBM研究院);TTI Chicago(芝加哥TTI学院);ETH Zurich(苏黎世联邦理工学院)
基于文本的游戏已经成为强化学习(RL)研究的重要测试平台,要求RL代理将基础语言理解与顺序决策相结合。在本文中,我们研究的问题注入RL代理常识知识。这样的知识将允许智能体通过修剪不可信的行为来有效地在世界上采取行动,并执行前瞻规划以确定当前行为如何影响未来的世界状态。我们设计了一个新的基于文本的游戏环境,称为TextWorld Commonsense(TWC),用于训练和评估RL代理,这些代理具有关于对象,属性和启示的特定常识知识。我们还介绍了几个基线RL代理跟踪顺序上下文和动态检索相关的常识知识从概念网。我们发现,代理人,将常识知识TWC表现更好,同时更有效地采取行动。我们进行用户研究,以估计人类的表现TWC,并表明有足够的空间,未来的改进。
2020-10-08 cs.AI cs.CL cs.LG
CNVSRC 2023: The First Chinese Continuous Visual Speech Recognition Challenge
Tsinghua University(清华大学);Beijing University of Posts and Telecommunications(北京邮电大学)
本文介绍首届 CNVSRC 2023 中文连续视觉语音识别挑战赛,梳理两项 LVC-VSR 任务、数据集、基线与参赛技术,并表明最佳系统显著超越基线。
2024-06-14 cs.CL cs.CV
Modeling Multimodal Social Interactions: New Challenges and Baselines with Densely Aligned Representations
University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);Georgia Institute of Technology(佐治亚理工学院)
本文针对多方交互建模的局限性,提出说话目标识别等三个新任务及数据标注,并构建利用密集对齐语言-视觉表示的多模态基线,有效建模细粒度社会交互。
2024-04-29 cs.CL cs.CV cs.LG
Summary on the ISCSLP 2022 Chinese-English Code-Switching ASR Challenge
TAL Education Group(好未来教育集团);Magic Data;Tsinghua University(清华大学);Institute of Acoustics, Chinese Academy of Sciences(中国科学院声学研究所)
语码转换自动语音识别由于多种语言之间的语码转换现象以及日常生活中语码转换现象的频繁发生而成为自动语音识别最具挑战性和最有价值的应用场景之一。ISCSLP 2022中英语码转换自动语音识别(CSASR)挑战赛旨在推动语码转换自动语音识别的发展。ISCSLP 2022 CSASR挑战赛为参赛者提供了两个训练集,TAL_CSASR语料库和MagicData-RAMC语料库,一个开发集和一个测试集,用于CSASR模型训练和评估。除了挑战,我们也提供了基准系统性能供参考。结果,超过40支团队参加了此次挑战,获胜团队在测试集上实现了16.70%的混合出错率(MER)性能,与基线系统相比,已经实现了9.8%的MER绝对提升。在本文中,我们将描述数据集,相关的基线系统和要求,并总结CSASR挑战的结果和提交的系统中使用的主要技术和技巧。
2022-10-13 cs.CL cs.SD eess.AS
The Newsbridge -Telecom SudParis VoxCeleb Speaker Recognition Challenge 2022 System Description
SAMOVAR, Telecom SudParis, Institut Polytechnique de Paris(巴黎高等电信学校,巴黎综合理工学院,SAMOVAR实验室);Newsbridge(Newsbridge公司)
我们描述了我们的团队在VoxCeleb Speaker Recognition Challenge 2022(VoxSRC 2022)中使用的系统。我们的解决方案是围绕一种新的语音活动检测算法组合而设计的,该算法利用了多个系统的优势。我们介绍了一种新的多流方法与决策协议的基础上分类熵。我们称这种方法为多流语音活动检测,并将其与标准基线日志嵌入,聚类和重新分割一起使用。通过这项工作,我们成功地证明了使用强大的基线并仅在语音活动检测上工作,可以实现接近最先进的结果。
2023-01-17 cs.CL cs.SD eess.AS
BiMamba2 Masked Discrete-Unit Prediction for Multilingual Speech Representation for Unsupervised Speech in the Wild Challenge
Howard University(霍华德大学)
本文提出基于BiMamba2的掩蔽离散单元预测方法,在无标注多语言语音上训练,实现说话人聚类性能超越基线,并分析了评估差异。
2026-09-25 cs.CL cs.SD
NOTSOFAR-1 Challenge: New Datasets, Baseline, and Tasks for Distant Meeting Transcription
Microsoft(微软)
NOTSOFAR-1挑战赛通过发布315场真实会议基准数据集和1000小时模拟训练数据集,聚焦远场会议场景下的单设备说话人分离与语音识别任务,为数据驱动的远距离对话语音识别研究提供关键资源。
2024-01-16 cs.AI cs.CL cs.SD
Large Language Model Based Generative Error Correction: A Challenge and Baselines for Speech Recognition, Speaker Tagging, and Emotion Recognition
本文提出GenSEC挑战,通过大语言模型提升语音识别、说话人标注和情感识别任务的准确性与实用性。
2024-10-18 cs.AI cs.CL cs.LG
The First VoicePrivacy Attacker Challenge
Université de Lorraine, CNRS, Inria, Loria(法国洛林大学、法国国家科学研究中心、法国国家信息与自动化研究所、Loria研究中心);Singapore Institute of Technology(新加坡科技学院);National Institute of Informatics(日本信息处理学会)
该挑战赛评估攻击者系统对语音匿名化系统的攻击性能,最佳系统将等错误率相对降低25%-44%。
2025-04-19 cs.CL cs.CR eess.AS
Stronger Random Baselines for In-Context Learning
Cornell University(康奈尔大学)
针对上下文学习评估中标准随机基线的不足,提出期望最大准确率的更强随机基线,可更准确预测留出性能并避免不必要测试。
2024-11-11 cs.CL cs.LG
E-TSL: A Continuous Educational Turkish Sign Language Dataset with Baseline Methods
Hacettepe University(哈杰泰佩大学)
本文提出了连续的教育土耳其手语数据集E-TSL,针对其词汇罕见性挑战开发了P2T-T和GNN-T两种基线模型,并在E-TSL和PHOENIX-Weather 2014T数据集上验证了方法的有效性。
2024-07-23 cs.CL cs.CV cs.LG
Detecting cognitive decline using speech only: The ADReSSo Challenge
Usher Institute, Edinburgh Medical School, The University of Edinburgh(爱丁堡大学爱丁堡医学院厄舍研究所);Carnegie Mellon University(卡内基梅隆大学)
基于2020年Interspeech上ADReSS挑战赛的成功,吸引了来自世界各地的34支团队的参与,ADReSSo挑战赛针对三个与社会和医学相关的困难的自动预测问题,即:阿尔茨海默氏症的检测,认知测试分数的推断和认知下降的预测。本文详细介绍了这些预测任务,描述了所使用的数据集,并报告了我们为每个任务开发的基线分类和回归模型的结果。直接从录音中提取的声学和语言特征的组合,在没有人为干预的情况下,AD分类任务的基线准确率为78.87%,MMSE预测均方根(RMSE)误差为5.28,认知衰退预测任务的准确率为68.75%。
2021-03-23 cs.CL cs.LG cs.SD
CHiME-6 Challenge:Tackling Multispeaker Speech Recognition for Unsegmented Recordings
Johns Hopkins University(约翰斯·霍普金斯大学);The City University of New York(纽约城市大学);University of Sheffield(谢菲尔德大学);Inria(法国国家信息与自动化研究所);Paderborn University(帕德博恩大学);Hitachi, Ltd.(日立公司);Microsoft(微软公司);Linguistic Data Consortium(语言数据联盟)
在第一、二、三、四、五届CHiME挑战赛取得成功后,我们组织了第六届CHiME语音分离和识别挑战赛(CHiME-6)。新的挑战重新审视了之前的CHiME-5挑战,并进一步考虑了日常家庭环境中远程多麦克风对话语音日记和识别的问题。除了精确的阵列同步之外,语音材料与之前的CHiME-5录音相同。该材料是使用一个晚宴的情况下,努力捕捉的数据,是自然的会话语音的代表。本文提供了CHiME-6的分段多说话者语音识别(轨道1)和未分段多说话者语音识别(轨道2)的挑战的基线描述。值得注意的是,轨道2是社区中的第一个挑战活动,以解决未分段的多扬声器语音识别场景,具有一套完整的可重复的开源基线,提供语音增强,扬声器日记和语音识别模块。
2020-05-02 cs.CL cs.SD eess.AS
Query Expansion System for the VoxCeleb Speaker Recognition Challenge 2020
National Taiwan Normal University(国立台湾师范大学)
在本报告中,我们描述了我们提交给VoxCeleb Speaker Recognition Challenge(VoxSRC)2020的申请。采取了两种办法。一种是将查询扩展应用于说话人确认,与本研究的基线相比,取得了显著的进步。另一种是使用Kaldi提取x向量,并将其概率线性判别分析(PLDA)得分与ResNet得分相结合。
2020-11-04 cs.CL cs.SD eess.AS
ZR-2021VG: Zero-Resource Speech Challenge, Visually-Grounded Language Modelling track, 2021 edition
Tilburg University(蒂尔堡大学);Laboratoire de Sciences Cognitives et Psycholinguistique, ENS(巴黎高等师范学院认知科学与心理语言学实验室);Tampere University(坦佩雷大学);Aalto University(阿尔托大学);University of Texas at Austin(德克萨斯大学奥斯汀分校)
我们介绍了在2021年第二轮零资源语音挑战赛中引入的视觉语言建模轨道。我们激励新的轨道,并详细讨论参与规则。我们还介绍了为这条赛道开发的两个基线系统。
2021-07-14 cs.CL cs.LG cs.SD