CHiME コーパス: 複数の音源環境における計算聴覚のためのリソースと課題

私たちは、ノイズ耐性スピーチ処理研究のために設計された新しいコーパス、CHiMEを紹介します。私たちの目的は、自然であり（同時に予測不可能な音源が多数存在する反響のある家庭環境から得た）、かつ制御された素材（20 dBの範囲を持つSNRの列挙された範囲を提供）を作成することでした。このコーパスには、家庭環境に配置された頭部および胴体シミュレーターからの約40時間の背景録音と、同じ環境で収集された包括的なバイノーラルインパルス応答セットが含まれています。これらのデータは、Grid音声認識コーパスからのターゲット発話をCHiMEの家庭環境に追加するために使用されています。データは、音声分離、強化、認識アルゴリズムを評価できるような制御された自然な範囲のSNRを生成する方法でミックスされています。論文ではコーパスの設計の動機を提示し、データの収集と後処理を説明します。また、一連のベースライン認識結果も提示します。