声纹感知 洞察芯声

在本文中，我们描述了Cadenza项目：挑战方法首次应用于改善听力损失者音乐音质的问题。报告了两个挑战，主要区别在于第一个挑战（CAD1）是用于通过耳机收听，而第二个挑战（ICASSP24），是用于通过扬声器收听。任务目标是对立体声音乐信号进行分解，然后进行重混，因为这样的系统可以帮助解决已知的音乐收听和听力损失问题。

今年MER2024除了扩大数据集的大小，引入了一个新的开放式词汇情绪识别赛道MER-OV。这个赛道的主要考虑是现有数据集通常固定标签空间，并使用多数投票来增强注释者的一致性，但这个过程可能限制了模型描述微妙情绪的能力。在这个赛道中，我们鼓励参与者生成任意数量的标签，在任何类别中，目标是尽可能准确地描述情绪状态。

2、野外环境（WildSVDD）随着AI生成的歌声快速进步，现在能够逼真地模仿自然人类的歌声并与乐谱无缝对接，这引起了艺术家和音乐产业的高度关注。歌声与说话声不同，由于其音乐性质和强烈的背景音乐存在，检测伪造的歌声成为了一个特殊的领域。SVDD挑战是首个专注于检测实验室控制和野外真实与伪造歌声录音的研究挑战。该挑战将在2024年IEEE口语语言技术研讨会（SLT 2024）上举行。挑战目标：SVDD挑战旨在汇集学术界和工业界的资源，开发出创新和有效的技术来检测伪造的歌声。