2023年8月20號(hào)，最后一屆VoxSRC Workshop 在都柏林召開。VoxSRC 2023 國際說話人識(shí)別競(jìng)賽公布比賽榜單，云知聲團(tuán)隊(duì)奪得Track1（固定訓(xùn)練集說話人確認(rèn)）第一名、Track2（開放訓(xùn)練集說話人確認(rèn)）第二名的優(yōu)異成績。

VoxSRC是由 University of Oxford（牛津大學(xué)）、Facebook AI Research（facebook AI研究院）、Google Research（谷歌研究院）等組織聯(lián)合發(fā)起的國際說話人識(shí)別競(jìng)賽，是在說話人識(shí)別領(lǐng)域最具影響力和權(quán)威性的國際賽事之一。

VoxSRC 2023測(cè)試集數(shù)據(jù)來自訪談、新聞、談話、辯論等多個(gè)場(chǎng)景，包括專業(yè)編輯音頻和隨意的談話音頻，同時(shí)混雜著笑聲、其他說話人噪聲等復(fù)雜的背景噪音，涉及跨年齡、跨語種說話人識(shí)別，同時(shí)今年的測(cè)試數(shù)據(jù)繼續(xù)加大難度，專注于短語音說話人識(shí)別，音頻時(shí)長大部分在2-3s區(qū)間，是VoxSRC有史以來最難的一屆。

在此次競(jìng)賽中，云知聲采用并進(jìn)一步優(yōu)化了當(dāng)前最領(lǐng)先的算法。這些算法包括基于ResNet系列主干網(wǎng)絡(luò)，MQMHA pooling，以及融合了Sub-center和inter-topK的Large-margin損失函數(shù)。此外，云知聲還實(shí)施了多階段訓(xùn)練調(diào)優(yōu)策略等技術(shù)。

除此之外，基于對(duì)比賽任務(wù)的深刻理解，云知聲團(tuán)隊(duì)首次提出了Consistency Measure Factor（CMF） 算法，即建模音頻“說話人特征的一致性”，并將其引入說話人相似度決策中，大幅提升了說話人識(shí)別的準(zhǔn)確率。同時(shí)，依托云知聲大規(guī)模算力中心，采用大規(guī)模模型訓(xùn)練框架，訓(xùn)練出ResNet314、ResNet518說話人模型。憑借對(duì)“說話人算法”的創(chuàng)新性研發(fā)和超強(qiáng)力的“算力”支持，云知聲團(tuán)隊(duì)在Track1（固定訓(xùn)練集說話人識(shí)別）賽道以minDCF（最小檢測(cè)代價(jià)函數(shù)）0.085、EER（等錯(cuò)誤率）1.588%的卓越表現(xiàn)，一舉奪得本次大賽冠軍。