首页 时事 民生 政务 教育 文化 科技 财富 体娱 健康 情感
更多
旅行 百科 职场 楼市 企业 乐活 学术 汽车 时尚 创业 美食 幽默 美体 文摘

INTERSPEECH 2025丨ML-SUPERB 2.0 挑战赛：推动多语言语音科技迈向新高度

文摘   2025-01-06 18:01   河北  

随着语音技术在各领域应用的迅速扩展，全球语言与口音的多样性成为技术进一步突破的重大挑战。为了应对这一难题，来自卡内基梅隆大学（CMU）、斯坦福大学（Stanford University）、乔治梅森大学 (George Mason University)、台湾大学与芝加哥丰田技术学院 (TTIC)的研究团队连手，在即将举行的 INTERSPEECH 2025 国际会议上推出了 ML-SUPERB 2.0 挑战赛（Multilingual SUPERB 2.0 Challenge）。该挑战旨在推动多语言语音技术迈向新高度，为语音科技的全球化应用奠定坚实基础。

  官方网站（文末点击“阅读原文”直接访问）：

https://multilingual.superbbenchmark.org/


语言数量规模
ML-SUPERB 2.0 提供了包含大量不同语言的语音数据集。

  • 训练集：涵盖 141 种语言的丰富语音数据，从主流语言到稀有方言，为参赛者提供多元化的语言资源以训练模型。

  • 开发集：包含训练集中的141种语言，和另外的56 种方言与口音，为模型性能的全面评估提供支持。


这些数据反映了全球语言的多样性，确保技术不仅服务于主流语言，更覆盖小众语言。


新型评估机制
ML-SUPERB 2.0 在评估机制上进行了创新，模型评估指针除了传统的语音识别和语言识别错误率外，还强调模型在每种语言上都具备稳定性能，真正做到对所有语言的友好支持，激励研究者关注小众语言与弱势语言的平等支持，最终实现“No Language Left Behind”。


主办方提供算力进行推论
为提升参赛体验，降低参赛门坎，挑战赛引入了在线实时排名系统。参赛者只需提交模型，即可由主办单位提供算力进行推论，实现快速评估与实时反馈。


重要时间 

2024.11.25

Challenge announcement

2024.12.4

Leaderboard is online and accepting submissions

2025.2.7

Leaderboard Submission Deadline

2025.2.10

Challenge Winners Announced

2025.2.12

Paper Submission Deadline


引领语音科技的未来
ML-SUPERB 2.0 挑战赛不仅是一场技术比拼，更是推动语音科技迈向新纪元的重要一步。通过凝聚全球研究者与开发者的力量，挑战赛将加速多语言语音技术的创新与普及，为语音技术的应用场景带来更多可能性。参赛者可前往官方网站(https://multilingual.superbbenchmark.org/) 获取详细信息，并在 2025 年 2 月 7 日前提交结果。让我们携手参与这场语音技术的盛会，见证语音科技未来的开启！

永久福利 直投简历
简历投递：join@speechhome.com
扫码关注我们
助力AI语音开发者的社区
语音之家
助力AI语音开发者的社区
 最新文章
INTERSPEECH 2025丨ML-SUPERB 2.0 挑战赛：推动多语言语音科技迈向新高度
天工版o1、4o同时上线！实时语音陪聊太上头
通过流匹配实现高效、高质量的文本转音频生成
语音/音频处理学术速递[1.6]
AI语音招聘岗位合集
OpenAI真的开源了！这波「实时语音」操作，让万物开口说话，我爱了
活动报名丨第五届全国人工智能大赛
复旦等提出「中国版GPT-Zero」！毕业论文AI率自查神器｜AAAI 2025
语音/音频处理学术速递[1.3]
AI教父辛顿力挺马斯克，明确反对 OpenAI 的营利化转型。
分享 10 款免费在线 TTS 工具，开启语音新世界大门
4o-mini只有8B，Claude 3.5 Sonnet有175B，微软论文「透露」了下顶级模型参数
高噪声环境下的语音增强技术，在极低信噪比条件下显著提升目标语音的质量
使用知识图谱增强大语言模型生成问答逻辑形式
Ilya布局末日倒计时？奥特曼与谷歌大佬揭秘2025年ASI降临时间表！
ICASSP2025丨语音国家工程研究中心26篇录用论文分享
国产大模型全球“刷屏”，总训练成本557万美元，性能比肩GPT-4o
语音/音频处理学术速递[12.31]
ICASSP2025丨上交大跨媒体语言智能实验室12篇录用论文分享
2024年人工智能年终总结报告｜Artificial Analysis
语音/音频处理学术速递[12.30]
AI语音招聘岗位合集
听见未来，AI+Audio｜2025中国国际音频产业大会（GAS）
长文本+o1？评估LLM在真实世界长文本多任务中的深度理解与推理能力
国产大模型DeepSeek-V3一夜火爆全球，671B的MoE，训练成本仅558万美元
ICASSP2025丨内蒙古大学语音信号处理组5篇录用论文分享
AI大模型权威评测：豆包中文对话最强，OpenAI o1推理和数学占优
全球首个中文安全领域事实性基准评测集发布
音频版ControlNet来了！Adobe推出Sketch2Sound
AI首次自主发现人工生命！人类窥见上帝造物
INFP：照片+音频让蒙娜丽莎秒变播客主理人
语音/音频处理学术速递[12.25]
CultureLLM 与 CulturePark：增强大语言模型对多元文化的理解
ICASSP2025丨人类语言技术实验室（HLT Lab）10篇录用论文分享
o3曝智商高达157，比肩爱因斯坦碾压99%人类！陶哲轩水平AI或出现
语音/音频处理学术速递[12.24]
ICASSP2025丨IMU语音理解与生成实验室3篇论文分享
开源更新丨通义3D-Speaker多说话人日志功能
李飞飞谢赛宁：多模态LLM「空间大脑」觉醒，惊现世界模型雏形！
语音/音频处理学术速递[12.23]
AI语音招聘岗位合集
GAS"消费电子科创奖” | 展示消费电子行业突破性成果
WavChat：深入探索语音对话模型的前沿
Interspeech 2025丨首届言语健康挑战赛
一键生成万字专利！中科院发布多智能体框架AutoPatent，含1933个「草稿-专利」数据对
内大语音理解与生成实验室最新视觉语音合成工作分享
语音/音频处理学术速递[12.20]
【AI对话系统新挑战】FutureDial-RAG Challenge详解
李飞飞团队统一动作与语言，新的多模态模型不仅超懂指令，还能读懂隐含情绪
语音/音频处理学术速递[12.19]
 分类
时事
民生
政务
教育
文化
科技
财富
体娱
健康
情感
旅行
百科
职场
楼市
企业
乐活
学术
汽车
时尚
创业
美食
幽默
美体
文摘
 原创标签
时事 社会 财经 军事 教育 体育 科技 汽车 科学 房产 搞笑 综艺 明星 音乐 动漫 游戏 时尚 健康 旅游 美食 生活 摄影 宠物 职场 育儿 情感 小说 曲艺 文化 历史 三农 文学 娱乐 电影 视频 图片 新闻 宗教 电视剧 纪录片 广告创意 壁纸头像 心灵鸡汤 星座命理 教育培训 艺术文化 金融财经 健康医疗 美妆时尚 餐饮美食 母婴育儿 社会新闻 工业农业 时事政治 星座占卜 幽默笑话 独立短篇 连载作品 文化历史 科技互联网
 发布位置
广东 北京 山东 江苏 河南 浙江 山西 福建 河北 上海 四川 陕西 湖南 安徽 湖北 内蒙古 江西 云南 广西 甘肃 辽宁 黑龙江 贵州 新疆 重庆 吉林 天津 海南 青海 宁夏 西藏 香港 澳门 台湾 美国 加拿大 澳大利亚 日本 新加坡 英国 西班牙 新西兰 韩国 泰国 法国 德国 意大利 缅甸 菲律宾 马来西亚 越南 荷兰 柬埔寨 俄罗斯 巴西 智利 卢森堡 芬兰 瑞典 比利时 瑞士 土耳其 斐济 挪威 朝鲜 尼日利亚 阿根廷 匈牙利 爱尔兰 印度 老挝 葡萄牙 乌克兰 印度尼西亚 哈萨克斯坦 塔吉克斯坦 希腊 南非 蒙古 奥地利 肯尼亚 加纳 丹麦 津巴布韦 埃及 坦桑尼亚 捷克 阿联酋 安哥拉