47、I-MSV 2022：多语言多传感器说话人验证挑战解读

I-MSV 2022：多语言多传感器说话人验证挑战解读

1. 引言

说话人验证（Speaker Verification，SV）是利用说话人的语音样本来验证其身份的任务。过去五十年来，SV技术取得了巨大发展，广泛应用于语音考勤系统、银行交易认证等领域。然而，当测试涉及多种语言和传感器时，系统性能会受到影响，限制了SV系统的可扩展性。

在印度，人们日常交流使用约122种主要语言和1599种其他语言，且多数人会多种语言。这种语言和传感器的灵活性可能限制SV技术的应用范围。因此，收集了印度理工学院古瓦哈蒂多变量（IITG - MV）数据，该数据使用五种不同传感器，来自印度不同地理位置、母语、方言和口音各异的人群。

目前，关于多语言和领域不匹配场景下SV开发的研究较少。现有研究主要在特征、模型和分数层面减少语言和领域不匹配的影响，但使用的内部数据集或公开数据存在局限性，内部数据在说话人、语言和传感器数量上受限，公开数据虽有大量说话人、语言和环境变化，但缺乏合适的标注。本次挑战旨在解决这些问题，邀请社区开发语言和传感器不变的说话人表示。

本次挑战使用IITG - MV第一阶段数据集的对话录音，将其分为开发集、注册集、公共测试集和私有测试集。同时，挑战分为受限和不受限两个子任务，受限子任务鼓励社区使用有限训练数据开发SV系统，不受限子任务则观察使用充足训练数据开发的SV技术的性能。此外，还为参与者提供了基于X - vector框架的基线系统。

2. 挑战规则

挑战包含两个子任务：
- 受限SV ：参与者在开发SV系统时，只能使用受限SV挑战发布的语音数据。
-