在深度学习、大数据和大算力的推动下,以语音增强、识别和合成为代表的智能语音技术已经在众多应用中落地。特为大家整理了一些比较前沿的报告,文末可免费获取。 No.1

最新声浪
查看全部 →去年起,美国政府开始认真对待机器人来电问题。2021 年 6 月 30 日起,联邦通信委员会 FCC 要求电话提供商使用一种名为 STIR/SHAKEN 的基于加密协议的方式来验证所有来电者的 ID。 和往常一样,这种方法并没有治本,任何期…
近日,由快手音视频技术部联合意大利罗马第一大学(Sapienza University of Rome, Italy),在国际音频顶级会议 ICASSP 2022 上发起的深度3D音频信号处理挑战赛(L3DAS22:Machine Lear…
目前的语音合成系统大多基于单一说话人单一风格语音数据建模,但随着语音合成应用场景的不断扩展,对多风格语音合成的需求越来越大。然而单人多风格数据难以获取,一来成本高,二来不是每个发音人都能完成不同风格的录制。一种最直接的方式是通过语音风格迁移…
国音智能 国音智能(SpeakIn)创立于2015年,作为城市数字化基础设施供应商和AIOT智能化方案供应商,秉持“帮助城市设施与机器更好地服务于人”为使命,以先进的人工智能技术和传感技术为驱动,加速城市数字场景的智能化进程。 国音智能云集…
58同城AI Lab 58同城AI Lab隶属TEG技术工程平台群,成立于2018年5月,目前部门人数规模70+,包括算法、后端、大数据、产品人员。AI Lab旨在推动AI技术在58同城的落地,打造AI中台能力,以提高前台业务人效、收入和用…
前文介绍了端到端识别的基本概念,本文介绍Wenet中模型的设计与实现。 Wenet的代码借鉴了Espnet等开源实现,比较简洁,但是为了实现基于chunk的流式解码,以及处理batch内不等长序列,引入的一些实现技巧,比如cache和mas…
近期,来自北京大学和腾讯AI LAB, ASR oteam的研究人员在主流端到端语音识别系统上进行了两点改进:(1)将LF-MMI准则用于端到端语音识别系统的训练和解码中;(2)使用词级别N-gram模型进行在线解码。集成上述两点的端到端模…
ICASSP 2022 近日,2022年IEEE音频、语音与信号处理国际会议(2022 IEEE International Conference on Acoustics, Speech, and Signal Processing,IC…
