SLT 2026真实TSE挑战：从对话录音中提取真实世界目标说话人
SLT 2026 REAL-TSE Challenge: Real-world Target Speaker Extraction from Conversational Recordings
- Nanjing University（南京大学）
- Chinese University of Hong Kong (Shenzhen)（香港中文大学（深圳））
- Brno University of Technology（布拉格技术大学）
- Northwestern Polytechnical University（西北工业大学）
- NTT, Inc.（NTT公司）
- Shanghai Jiao Tong University（上海交通大学）
机构由 AI 辅助整理，请以论文原文为准。
AI总结：
介绍SLT 2026的REAL-TSE挑战，从真实对话录音提取目标说话人，有在线和离线赛道，评估指标多样，描述了任务定义等多方面内容及经验教训。
AI中文摘要：
我们介绍了REAL-TSE挑战，这是IEEE SLT 2026关于从真实对话录音中提取目标说话人（TSE）的卫星挑战。给定多说话人混合语音和目标说话人的一个或多个注册话语，参与系统必须只恢复目标语音。与模拟朗读语音基准不同，REAL-TSE评估包含自然重叠、混响、噪声、信道失配和对话动态的普通话和英语录音。该挑战定义了两个互补赛道：用于低延迟流提取的在线赛道和用于全上下文处理的离线赛道。系统通过令牌错误率（TER）、说话人相似度（SpkSim）、DNSMOS和目标说话人活动F1进行评估。本文概述了任务定义、数据集、基线、评估协议、提交的系统、按条件的发现以及对未来真实世界TSE基准的经验教训。
英文摘要：
We introduce the REAL-TSE Challenge, an IEEE SLT 2026 satellite challenge on target speaker extraction~(TSE) from real conversational recordings. Given a multi-speaker mixture and one or more enrollment utterances from a target speaker, participating systems must recover only the target speech. Unlike simulated read-speech benchmarks, REAL-TSE evaluates Mandarin and English recordings that contain natural overlap, reverberation, noise, channel mismatch, and conversational dynamics. The challenge defines two complementary tracks: an Online track for low-latency streaming extraction and an Offline track for full-context processing. Systems are evaluated with Token Error Rate (TER), Speaker Similarity (SpkSim), DNSMOS, and target-speaker activity F1. This overview paper describes the task definition, datasets, baselines, evaluation protocol, submitted systems, condition-wise findings, and lessons for future real-world TSE benchmarks.
