从 51% 到 32% 错误率：TS-VAD 如何改写语音分离挑战赛
rdesh26 · x · 2026-09-24
- 作者回忆在 JHU 读博期间参与 CHiME-6 挑战赛的经历：该挑战使用远场、大量重叠说话的晚宴对话数据，其团队构建的基于聚类的 baseline 说话人分离系统错误率约 51%。
- 比赛中俄罗斯 STC 团队把 DER 大幅压到约 32%（其他队伍仍在 40% 以上），关键在于 Ivan Medennikov 提出的端到端方法 TS-VAD，成为新的 SOTA。
- 赛后作者协助 Ivan 将 TS-VAD 集成进 Kaldi，使其成为社区广泛使用的工具；这条推同时致敬了引用推中列出的分离团队成员。
「Fun」频道最新
- Work Chronicles 新漫画：上周真的很努力了 — mkheck · 2026-09-24
- FelonyBench 已饱和？网友提议再上个 FelonyBenchGov — charles_irl · 2026-09-24
- 用 Opus 5.5 设计真乐高鸭:1113 块零件 0 碰撞校验 — victormustar · 2026-09-24
- 用 Opus 5.5 生成游戏王对决战报：OpenAI 大战 Anthropic 公司史 — Acclynn · 2026-09-24
- LangChain 调侃:Agent 大会当然少不了 human in the loop — LangChain · 2026-09-24
- Vibecoding 最烦的事:干等 Agent 思考和写码 — Yamapama · 2026-09-24