화자인식 인공지능 경진대회

• 문제2 화자 인식 데이터셋 설명

대회 규칙

• 주제
  • 음성 데이터에서 발화자 일치 여부를 도출해낼 수 있는 인공지능 알고리즘 개발
• 평가
  • EER(Equal Error Rate)
• NSML GPU 지원
  • Tesla V100-SXM2-32GB 1개
• 외부 데이터 및 사전 학습 모델 사용 불가

문제 2 [화자인식 Dataset 설명]

• 매칭된 두 개의 음성파일을 읽어 같은 발화자인지 다른 발화자인지 추론

  전체 크기	파일수	NSML 데이터셋 이름
  11.39 GB	train_data(63,782) / test_data(3,254)	fianl_speaker

Train Dataset

• root_path/train/train_data/wav/ (63,782개의 wav 파일 *확장자 없음)

  idx000001
  idx000002
  idx000003
  idx000004
  ...
  idx063779
  idx063780
  idx063781
  idx063782
  

Train Info

• root_path/train/train_data/train_info
• train_info (DataFrame 형식, 63,782 rows)
  • columns - [“file_name”, “speaker”]
    • file_name – wav 폴더에 존재하는 임의의 wav파일명 (ex. idx000001)
    • speaker – 각 wav파일에 매칭되는 특정 화자(ex. S000013_1, s000181_1 *소문자 대문자 섞여있음)
• 예를들어 idx000001 파일의 speaker값이 S000013_1이고 idx000002 파일의 speaker값이 S000013_1이면 두 음성은 같은 발화자

Test Dataset

• root_path/test/test_data/wav/ (3,254개의 wav파일 *확장자 없음)

  idx000001
  idx000002
  idx000003
  idx000004
  ...
  idx003251
  idx003252
  idx003253
  idx003254
  

• root_path/test/test_data/test_data (DataFrame 형식, 32,391rows)

  • columns - [“file_name”, “file_name_”]
  • file_name - test wav 폴더에 존재하는 임의의 wav파일명(ex. idx000001)
  • file_name_ - test wav 폴더에 존재하는 임의의 wav파일명(ex. idx000002)