論文の概要: CHiME-9 ECHI: A Machine Learning Challenge for Enhancing Conversations to Address Hearing Impairment

• arxiv url: http://arxiv.org/abs/2609.26306v1
• Date: Tue, 22 Sep 2026 12:13:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-23 18:04:04.356731
• Title: CHiME-9 ECHI: A Machine Learning Challenge for Enhancing Conversations to Address Hearing Impairment
• Title（参考訳）: CHiME-9 ECHI: 聴覚障害に対処するための会話の強化を目的とした機械学習チャレンジ
• Abstract要約: 本研究は、聴覚障害に対処するための会話の促進のためのCHiME-9チャレンジの課題と成果を示す。 この課題は、ノイズの多いカフェテリアスタイルの環境において、音声ソースと音響効果を干渉する4人の会話のシナリオを考えることである。 本課題は,会話相手の音声を雑音の多いマルチチャンネル録音から抽出し,発話の明瞭さと質を向上させることである。
• 参考スコア（独自算出の注目度）: 21.697135405658937
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This work presents the task and results of the CHiME-9 challenge for Enhancing Conversations to address Hearing Impairment. The challenge considers the scenario of four-party conversations in a noisy, cafeteria-style environment with interfering speech sources and sound effects. Participants are provided with audio recordings made with Meta Aria glasses and hearing aid microphones, and clean speech samples of the conversation participants. The task is to extract the speech of the conversation partners from the noisy multi-channel recordings with the goal of improving the intelligibility and quality of the speech, evaluated using objective metrics and subjective listening tests. This paper reviews submissions from seven teams and ranks them on a combination of subjective intelligibility and quality. Results show that while the objective metrics do not reflect listener performance, the top systems were able to make substantial improvements over the challenge baseline in both intelligibility and quality ratings.
• Abstract（参考訳）: 本研究は、聴覚障害に対処するための会話の促進のためのCHiME-9チャレンジの課題と成果を示す。 この課題は、ノイズの多いカフェテリアスタイルの環境において、音声ソースと音響効果を干渉する四者会話のシナリオを考えることである。 参加者にはMeta Ariaメガネと補聴器マイクで作られた音声記録と、会話参加者のクリーンな音声サンプルが提供される。 本課題は,対話相手の音声を雑音の多いマルチチャンネル録音から抽出し,発話の明瞭さと質を改善し,客観的な測定値と主観的聴取テストを用いて評価することである。 本稿は、7つのチームからの応募をレビューし、主観的インテリジェンスと品質の組み合わせにランク付けする。 その結果,主観的評価基準はリスナのパフォーマンスを反映していないものの,上位システムでは,インテリジェンスと品質評価の両面で,課題ベースラインを大幅に改善することができた。

関連論文リスト

• From Speech to Interaction: Analyzing Multimodal Systems in Cocktail-Party Scenarios [68.14493981116665]
  人間は、近くの会話から競合するスピーチをフィルタリングしながら、個々の話者に選択的に出席する能力を持つ。 この「カクテルパーティー」のシナリオは、音声認識システムに深刻な課題を呈している。 CHiME-9 MCoRecタスクは、システムが話者のグループを認識し、各会話を音声視覚入力から書き起こさなければならないテストベッドを提供する。
  論文  参考訳（メタデータ） (2026-08-09T06:11:38Z)
• A Cocktail-Party Benchmark: Multi-Modal dataset and Comparative Evaluation Results [62.01871490859886]
  第9回CHiMEチャレンジにおいて,マルチモーダルコンテキスト認識(MCoRec)の課題を紹介した。 MCoRecは、録音が説明のない、カジュアルなグループチャットに集中する、自然なマルチパーティの会話をキャプチャする。 このタスクでは、各話者のスピーチを共同で翻訳し、音声・視覚録音から各話者の会話にまとめることにより、「誰がいつ、何、誰と話をするのか?」という質問に答えるシステムが必要である。
  論文  参考訳（メタデータ） (2025-10-27T12:36:43Z)
• AudioJudge: Understanding What Works in Large Audio Model Based Speech Evaluation [55.607230723223346]
  本研究は,Large Audio Model (LAM) をAudioJudgeの裁判官として体系的に研究し,両課題に対処する統一評価フレームワークを提供することができるかどうかを検討する。 本稿では、発音、発話速度、話者識別、音声品質、自動ベンチマークのためのシステムレベルの人間の嗜好シミュレーションなど、音声特徴検出タスクにまたがるAudioJudgeについて検討する。 本稿では,多視点アンサンブルAudioJudgeを導入し,音声評価を語彙内容,音声品質,パラ言語特徴の専門判断者に分解し,人間の嗜好と最大0.91のスピアマン相関を達成させる手法を提案する。
  論文  参考訳（メタデータ） (2025-07-17T00:39:18Z)
• Can Large Audio-Language Models Truly Hear? Tackling Hallucinations with Multi-Task Assessment and Stepwise Audio Reasoning [55.2480439325792]
  大規模な音声言語モデル (LALM) は、音声および音声情報の理解と推論に優れた能力を示している。 これらのモデルは、既存の音のイベントを幻覚させ、音のイベントの順序を誤認し、誤って音源を帰属させるなど、依然として課題に直面している。
  論文  参考訳（メタデータ） (2024-10-21T15:55:27Z)
• Target conversation extraction: Source separation using turn-taking dynamics [23.189364779538757]
  本稿では,ターゲット会話抽出の新たな課題について紹介する。その目的は,参加者の1人の話者埋め込みに基づいて,対象会話の音声を抽出することである。 ニューラルネットワークを用いて、英語とマンダリンの会話データセットに対する我々のアプローチの有効性を示す。 干渉話者の存在下では,2対4対4対4対4対4対4対4対7.92対2対1対1対1対1対1対1対8.19対1対1対1対4対4対4対4対2対2対2対2対2対1対1対1対1対1対1対1対1対1対1対1対1対1対1対1対1対1対1対2対2対2対2対4対1対2対2対2対2対2対2対2対2対2対1対1対1対1対1対1対1対1
  論文  参考訳（メタデータ） (2024-07-15T22:55:27Z)
• Objective and subjective evaluation of speech enhancement methods in the UDASE task of the 7th CHiME challenge [19.810337081901178]
  クリーン音声とノイズ信号の混合を人工的に生成し,音声強調のための教師付きモデルを訓練する。 この相違は、テストドメインが合成トレーニングドメインと大きく異なる場合、性能が低下する可能性がある。 第7回CiMEチャレンジのUDASEタスクは、テスト領域からの現実的なノイズの多い音声記録を活用することを目的としている。
  論文  参考訳（メタデータ） (2024-02-02T13:45:42Z)
• CHiME-6 Challenge:Tackling Multispeaker Speech Recognition for Unsegmented Recordings [87.37967358673252]
  第6回CiME音声分離認識チャレンジ(CHiME-6)の開催 この課題は、従来のCHiME-5課題を再考し、遠隔マルチマイクロホン音声のダイアリゼーションと認識の問題をさらに検討する。 本稿では, セグメント化多話者音声認識と非セグメント化多話者音声認識におけるCHiME-6チャレンジのベースライン記述について述べる。
  論文  参考訳（メタデータ） (2020-04-20T12:59:07Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。