论文推介：结合非自回归 Conformer CTC 模型和条件链的多说话人语音识别
端到端 (End-to-end, E2E) 模型得益于其简洁的模型结构和优异的模型性能，已经成为各种序列到序列任务中的主导模型，如机器翻译 (Neural machine translation, NMT) 、语音识别 (Automatic…
79 2 1
声浪
论文分享：基于区域提出网络(RPN)的轻量级关键词检出
近期，实验室与出门问问AI Lab、华盛顿大学合作的论文“Region Proposal Network Based Small-Footprint Keyword Spotting“发表在IEEE Signal Processing Le…
102 3 0
NLP从入门到实战（六）隐马尔可夫模型
基本理论 隐马尔可夫模型是一个双重随机过程----具有一定状态数的隐马尔可夫链和显示随机函数集。自20世纪80年代以来，HMM被应用于语音识别，取得重大成功。到了90年代，HMM还被引入计算机文字识别和移动通信核心技术“多用户的检测”。HM…
64 2 0
语音合成论文优选：Improving multi-speaker TTS prosody variance with ...
声明：语音合成论文优选系列主要分享论文，分享论文不做直接翻译，所写的内容主要是我对论文内容的概括和个人看法。如有转载，请标注来源。 Improving multi-speaker TTS prosody variance with a re…
62 1 0
论文分享：级联式RNN-T—基于音节与音字转换器的流式中文语音识别
近期，实验室王雄、姚卓远、石宪同学的论文“CASCADE RNN-TRANSDUCER: SYLLABLE BASED STREAMING ON-DEVICE MANDARIN SPEECH RECOGNITION WITH A SYLLA…
126 1 0
论文推介：基于稀疏度量的端到端语音识别模型加速
语音识别（Auto Speech Recognition, ASR）技术是一种将连续的语音信号转化为文本的技术，近年来，随着深度学习的蓬勃发展，端到端（End-to-End，E2E）语音识别技术以其简单的体系结构和优异的性能广受青睐。RNN…
43 1 0
中科院自动化所基于MindSpore推出全球首个三模态预训练模型
日前，中国科学院自动化所（简称“自动化所”）基于全场景AI计算框架MindSpore训练完成全球首个图文音（视觉-文本-语音）三模态预训练模型（OPT-Omni-Perception pre-Trainer），该模型同时具备跨模态理解与跨模…
58 1 0
论文推介：语音转换中的源风格到目标的迁移
语音转换（Voice Conversion）旨在保留语言内容的同时，将源说话人语音转换成目标说话人的语音。随着深度学习技术的引入，语音转换技术取得了巨大的飞跃。现有的语音转换方法可以成功地实现音色的转换，但是对源音频中的风格韵律缺乏有效的建…
69 1 0
【语音之家】AI技术沙龙——说话人日志
由CCF语音对话与听觉专委会 、AIIA 中国人工智能产业发展联盟评估组 、北京希尔贝壳科技有限公司、语音之家（北京）科技有限公司共同主办的【语音之家】AI技术沙龙——说话人日志，将于2021年7月10号 9：30在线上直播进行。 沙龙简介…
157 1 0
知乎15万+播放的视频：什么是C++
由于高效，C++被广泛应用于智能语音领域系统开发，比如知名的语音识别工具Kaldi就是由C++编写的。大多数工程师都或多或少写过C++代码，但对于C++的理解依然不深入。 最近知乎上一个“什么是C++”的视频火了，短时间内播放量超过15万。…
71 0 0