概览
这场竞赛适合谁
适合已有说话人确认/声纹识别实践经验的人，能处理16k单声道 WAV 音频，并自行准备训练数据与训练模型。也适合熟悉模型推理包部署和复现材料整理的团队；最终入围者需提交完整代码、权重和技术报告。
查看官方简介原文
在人工智能与语音技术迅猛发展的当下，声纹识别作为生物特征识别的重要分支，已广泛应用于金融安全、智能终端、个性化服务等领域。然而，当前主流声纹识别系统在面对儿童用户、同性干扰、远场使用、超短测试音频等复杂场景时，仍存在显著的技术瓶颈： Official track: 语音技术. Sponsor: 声网. Teams entered: 346.
参赛准备
从报名到首次提交的准备步骤
- 01
说话人确认
- 02
声纹嵌入模型
- 03
音频预处理与重采样
- 04
PyTorch 推理部署
- 05
NPZ 文件生成
- 06
Docker/Linux 打包与 S3 上传
投入前确认：难点不只是区分一对音频是否为同一人，而是要让同一套 embedding 在儿童注册、同性说话人、远近场和0.5秒/1秒超短测试音频等15个隐藏场景中都稳定工作。提交也有严格工程约束：只能输出统一维度的 embedding，并由余弦相似度完成验证，推理包的路径、NPZ字段和资源限制出错都会导致评分失败。
来源