在业界,实时音视频的 QoE(Quality of Experience) 方法一直都是个重要的话题。之所以这么重要,其实是因为目前 RTE(实时互动)行业中还没有一个很好的可用于评价实时互动场景的 QoE 评价方法。 最古老的评定实时音频…

最新声浪
查看全部 →著名的开源录音编辑软件 Audacity 已被新成立的 Muse Group 公司收购,具体交易价格并未透露,好消息是 Audacity 仍将是免费和开源的。 Audacity 是最受欢迎的免费跨平台的开源音频编辑器之一。它可以在 Wind…
4月25日,余承东在华为开发者大会2021上(HDC.Cloud),发布盘古系列超大规模预训练模型,包括30亿参数的全球最大视觉(CV)预训练模型,以及与循环智能、鹏城实验室联合开发的千亿参数、40TB训练数据的全球最大中文语言(NLP)预…
Endpoint 检测是语音识别系统的重要组成部分,可以提高人机交互的效能和质量。它的任务是确定用户何时结束讲话,这对于实时长语音转写和语音搜索等交互式语音应用非常重要。 最近,WeNet 的更新则支持了 endpoint 的检测。有了 e…
Force alignment(强制对齐)是语音任务中的一个常用模块,在帧级别的语音识别和语音合成任务中应用广泛,同时也是字幕自动打轴、口语评测等任务中的核心算法。强制对齐和识别解码有一定的相似性,识别解码是指给定一个语音识别模型,输入一个…
WeNet更新支持了时间戳。解码器不仅可以返回 Nbest 解码结果,而且还可以返回其中每个字对应的时间信息。 在语音识别一些任务中,字级别的的时间戳和N-best 扮演着重要的作用。例如在视频应用中,语音识别结合字级别的时间戳可以在精确的…
希尔贝壳和出门问问合作,在 WeNet 中更新了对 AISHELL-2 数据集的支持,开放数据准备、训练和解码测试和部署等流程,并开放基于 AISHELL-2 的预训练模型。其中,AISHELL-2 数据由希尔贝壳提供。希尔贝壳开源数据致力…
WeNet是出门问问联合西北工业大学推出的端到端语音识别工具,并且已经开源在Github上。为了方便大家使用,本文将教大家如何在Android手机中构建一个语音识别系统。 本文示例运行的环境为CPU (Intel x86_64) + Mac…
WeNet自发布以来,日前已经成为最流行、最受欢迎的开源端到端语音识别工具。下图是几个典型端到端识别工具Github的Star History。 目前,WeNet已经支持了AIshell-1, AIshell-2, LibriSpeech三…
出门问问联合西北工业大学音频语音与语言处理研究组推出面向产品和工业界的端到端语音识别开源工具WeNet,WeNet致力于消除从端到端模型研究到产品落地中的鸿沟,探索更适合工业级产品的端到端解决方案。 目前WeNet项目已经开源到 https…
