WebRTC VAD流程解析
语音活动检测算法大致可以分为三类，第一类就是最简单的基于阈值的判别方法，这个以前讲过了，参考语音活动检测；第二类是WebRTC使用的基于GMM的检测方法；第三类就是基于深度学习的检测方法，这个也讲过了，参考
187 0 0
声浪
AliSSR 语音超分算法：让在线会议语音更明亮更自然
以下文章来源于视频云技术，作者阿里云视频云 超分让在线会议语音更明亮 在线会议已成为日常工作中较为普遍的沟通交流方式，接入会议的方式也呈现多样化，比如电脑入会、手机入会又或是电话入会。
230 0 0
39亿参数模型公开可用，采样速度7倍提升，残差量化生成图片入选CVPR'22
基于残差量化的自回归图像生成，官方已将代码公开。 向量量化（Vector quantization，VQ）已经成为自回归（AR）模型生成高分辨率图像的一种基本技术，具体来说，该技术将图像特征图通过 VQ 量化后，再进行光栅扫描等排序，之后将…
173 0 0
IEEE S&P 2022丨速度提升达4-6个数量级，港科大、星云Clustar联合提出隐私保护的在线机器学习新框架
为了解决现有隐私保护计算技术不适用于深度神经网络在线学习任务以及部分隐私保护计算工具的性能问题，香港科大智能网络与系统实验室iSING Lab和国内隐私计算算力提供商星云 Clustar 合作,提出了一种隐私保护在线机器学习场景下的新框架—…
255 0 0
语言模型也不能乱说话！DeepMind发布GopherCite：讲话必须带证据
以往神经网络模型在问答场景经常会返回一些编造的答案，实在太不靠谱了！最近DeepMind发布了GopherCite模型，教语言模型用搜索引擎，拒绝胡编乱造！ 随着语言模型的参数量不断增大，生成文本的效果也越来越好。 由于训练数据中包含了海量…
254 0 0
使用互相关进行音频对齐
在计算一些音频指标如SNR的时候，我们需要音频信号与参考信号对齐，但有时候我们处理后的或者录制的音频并不是与参考信号对齐的，这就需要找到一种方法将它们对齐。 01 互相关函数
193 0 0
语音识别的快速纠错模型FastCorrect系列来了！
以下文章来源于微软研究院AI头条，作者冷燚冲、谭旭 语音识别支持着许多生活中的常见服务，比如手机端的语音转文字功能、视频网站的字幕自动生成等等。但语音识别模型往往并不完美，需要纠错模型来纠正语音识别中的错误。目前，大部分纠错模型采用了基于注…
139 0 0
基于音频指纹的听歌识曲系统
听歌识曲，我想大家都不陌生。虽然不同的厂商识别率不同（可能是因为版权的原因），但是每个音乐APP都会有这么一个功能。我们以扣扣音乐为例，扣扣音乐听歌识曲功能比较丰富，不仅有基本的听歌识曲还有哼唱识别，识别到对应的歌曲后就直接返回对应的结果，…
179 0 0
大厂白嫖拖垮开源！开源届码农：用户脾气大需求多还不给钱
现在，开源软件界或即将到达必须变革的临界点：被大厂白嫖的既有模式不可持续，开源码农必须得到相应尊重和报偿。 如果有一天，你的开源项目被像谷歌或Meta这种大厂相中，是不是有种能横着走的感觉？ 但入选一时爽、维护火葬场，开源项目最终掏空开发者…
234 0 0