北京希尔贝壳科技有限公司-挑战赛-CCF先进音频技术竞赛26

第二届CCF先进音频技术大赛正式启幕！延续首届赛事丰硕成效与发展势能，本届大赛继续以培养音频领域人才、支持学生科技创新、选拔优秀力量为目标。大赛由中国计算机学会主办，CCF语音对话与听觉专委会承办、语音之家协办，华为终端有限公司独家赞助，聚焦大模型时代音频技术热点，为高校及科研院所相关专业学子，搭建交流竞技、展示提升的优质平台。

竞赛试题

赛题一：音乐修复

1. 赛题背景

当音乐通过扩音设备播放出来，由于喇叭本身的失真（如手机喇叭播出来的音乐低频损失，鼓声无力）、多喇叭发声的混响感（如演唱会场景），会让录制该场景的音乐音质下降，需要音乐修复（Music Restoration）技术来提升音乐音质。

2. 赛题内容

（1）劣质扩音设备失真修复：音乐信号经由劣质扩音设备播放后，再通过麦克风录制。由于扩音设备性能受限，录制信号相较于原始音乐存在明显质量退化，包括非线性失真、背景噪声增强以及频率响应不均衡等问题。参赛系统需要对录制音频进行修复，以提升其音质和听感。

（2）多喇叭扩音混响修复：同一音乐信号通过多个扬声器同时播放，并由麦克风进行录制。由于多路径传播和声学叠加效应，录制音频通常包含较强的混响和失真，导致声音发糊、清晰度下降。参赛系统需要有效抑制混响及相关失真，恢复更清晰、更自然的音乐音频。

3. 数据集与基线系统

竞赛组织方将提供约10小时的配对训练数据。为覆盖真实场景中的声学条件差异，数据集在以下维度具有丰富的多样性：

（1）扬声器维度：涵盖多种型号、不同数量以及不同摆放距离的扬声器配置；
（2）场景维度：覆盖典型声学环境，包括室内家居、餐厅、会议室，以及户外广场、公园等场景；
（3）音乐维度：涵盖不同音乐风格、乐器编制及录音内容，以增强任务的泛化性和挑战性。

此外，竞赛组织方将提供基线模型及完整的训练和推理代码，供参赛者快速开展研究与开发。我们鼓励参赛者复现并超越基线系统的性能，共同推动相关技术的发展。

4. 关键交付件

初赛：

参赛队伍提供可执行的模型文件，在赛事官方指定环境中进行测试。

参赛队伍需提交方案复杂度和可实现性的文档，文档包括模型运行输出的日志文件，数据说明、参数量、复杂度以及是否满足因果性的分析和说明文件。

复赛：

最终方案的技术报告和答辩材料（含算法原理、方案设计、创新性、各个模型对结果的作用分析等）。

5. 评分规则

初赛：组委会通过业界常用客观评测方案对参赛队伍结果进行客观评分（SI-SNR*X、FAD*X、谱距离、ViSQOL），排序取前7名进决赛；所有队伍需要提供可执行模型；

复赛：算法处理结果占比40%；方案创新性占比30%；方案的复杂度和可实现性占比30%。

一级指标	二级指标	要求	对应分值
客观打分	客观指标	增强后音频的SI-SNR打分，占比25%，根据初赛所有参赛队伍实际提交结果划分客观打分等级	10
		增强后音频的FAD打分，占比25%，根据初赛所有参赛队伍实际提交结果划分客观打分等级	10
		增强后音频的谱距离，占比25%，根据初赛所有参赛队伍实际提交结果划分客观打分等级	10
		增强后音频的ViSQOL，占比25%，根据初赛所有参赛队伍实际提交结果划分客观打分等级	10
	复杂度	重点考察算法的参数量（M）和复杂度（MFlops），占比2/3 参数量：< 5M：10分； 5M~10M：8分； 10M~15M：6分； 15M~20M：5分； > 20M：4分复杂度：< 500MFlops：10分； 500~2000MFlops：8分； 2000~5000MFlops：6分； 5000~10000MFlops：5分； > 10000MFlops：4分	20
主观打分	方案创新性	在算法原理或者方案实践上有原创性进展；20~30分在算法原理或者方案实践上基于现有方法有优化；0~20分	30
主观打分	听感评估（MOS）	对音频进行Overall MOS评分，并对所有结果进行排序，分为四级，评分如下：1级10分，2级8分，3级6分，4级4分	10

手机喇叭播放后被麦克录制的信号 vs 原始音源，音质差异大

赛题二：通用音频分离

演唱会场景多喇叭扩音被麦克录制的信号 vs 扩音前原始音源，音质差异大

1. 赛题背景

前馈与反馈相结合的混合主动降噪模式，已在主动降噪领域得到广泛应用。随着应用场景日益复杂、噪声类型更加多样，传统降噪方法在适应性和稳定性方面面临新的挑战。因此，面向复杂场景和多样化噪声样本，发展自适应降噪与 AI 降噪技术，有助于进一步提升主动降噪系统的综合性能和用户体验。

2. 赛题内容

（1）基于对主动噪声控制（ANC）系统原理的理解，采用AI方法设计轻量级神经网络，实现端到端的主动降噪控制，在保证模型计算效率和部署可行性的基础上，尽可能提升系统的降噪效果。

（2）在实际应用中，主动噪声控制系统的传递函数会受到环境变化的显著影响。例如，在主动降噪耳机中，不同佩戴者的耳道结构、佩戴松紧程度以及耳机位置变化，都会导致声学传递函数发生较大变化，从而影响降噪效果。因此，本研究希望参赛者设计的 AI 模型不仅能够在特定环境下实现良好的降噪性能，还应具备较强的泛化能力，能够适应不同的 ANC 声学环境。需要特别说明的是，所部署的模型必须采用离线推断方式工作，即模型在实际运行过程中不允许进行在线训练或在线参数更新。

ANC简化架构示意图

AI-ANC实现框架示意图

3. 数据集与基线系统

竞赛方将提供如下数据：

原始参考噪声：麦克风采集的原始环境噪声（16-bit WAV，原生 48kHz）。
期望噪声：噪声经过未知初级路径衰减后到达误差麦克风的声音。
次级路径：扬声器到误差麦克风的物理冲激响应（已做空间平均并降采样至 48kHz）。

竞赛组织方将提供一个基线模型及其完整的训练和推理代码，鼓励复现我们公布的baseline的结果。

4. 关键交附件

初赛：

参赛队伍提供可执行的模型文件，在赛事官方指定环境中进行测试。

复赛：

最终方案的技术报告和答辩材料（含算法原理、方案设计、创新性、各个模型对结果的作用分析等）。

5. 评分规则

初赛：组委会通过业界常用客观评测方案对参赛队伍结果进行客观评分，排序取前7名进入决赛；所有队伍需要提供可执行模型。

复赛：算法处理结果占比40%；方案创新性（如ANC架构、自适应算法、先进滤波器结构等）占比30%；方案的复杂度和可实现性占比30%。

一级指标	二级指标	要求	对应分值
客观打分	客观指标	按照50-5kHz的1/3倍频程统计ANC降噪量，占比70%，根据初赛所有参赛队伍实际提交结果划分客观打分等级	28
	客观指标	按照1k-8kHz的1/3倍频程统计ANC反弹，占比30%，根据初赛所有参赛队伍实际提交结果划分客观打分等级	12
	复杂度	重点考察算法的参数量（M）和复杂度（MFlops），占比2/3 参数量：< 5M：10分； 5M~10M：8分； 0M~15M：6分； 15M~20M：5分， >20M：4分复杂度：< 500MFlops：10分； 500~2000MFlops：8分； 2000~5000MFlops：6分； 5000~10000MFlops：5分； >10000MFlops：4分	20
主观打分	方案创新性	在算法原理或者方案实践上有原创性进展；20~30分在算法原理或者方案实践上基于现有方法有优化；0~20分	30
主观打分	听感评估（MOS）	对音频进行Overall MOS评分，并对所有结果进行排序，分为四级，评分如下：1级10分，2级8分，3级6分，4级4分	10