Shinji Watanabe
Die Open-Source-Infrastruktur für die Verarbeitung gesprochener Sprache, mit der akademische und industrielle Gruppen Sprachsysteme mit Spracheingabe oder Sprachausgabe auf gleicher Grundlage trainieren, evaluieren und vergleichen können.
Watanabe ist einer der Gründer und wichtigsten Maintainer von ESPnet (the End-to-End Speech Processing Toolkit), der Open-Source-Plattform, die in den vergangenen Jahren zum Standardsubstrat akademischer Forschung zu Spracherkennung und Sprachsynthese wurde. Das Design des Toolkits kodiert eine methodische Position: Evaluation sollte laborübergreifend reproduzierbar sein, Baselines sollten ohne Zusatzaufwand lauffähig sein, und das Tooling sollte es erschweren, einen „neuen SOTA“ zu veröffentlichen, ohne fair mit früherer Arbeit zu vergleichen. Für ai100 ist ESPnet, während die AI-Engines, die wir evaluieren, Voice-Mode-Schnittstellen hinzufügen, das methodische Substrat, das überhaupt definiert, wie ein fairer Sprache-zu-Sprache-Vergleich aussieht.