论文分享：当声纹识别遇上标签噪声？前端和后端的系列优化
声纹识别是指从说话人的语音信号中提取声纹特征，并通过有效的分类识别模型，对说话人的身份进行校验和鉴别。声纹识别广泛应用于刑侦、人机交互声纹口令验证、银行声纹身份验证等领域。当前的声纹识别系统通常包括两个模块：神经网络特征提取前端和概率线性判…
126 0 0
声浪
ICASSP 2022 | CPT：语音翻译的跨模态前缀调优
文章来源于阿里语音AI，作者达摩院语音实验室 本文介绍在语音翻译任务中，通过一个跨模态的 prefix network 来适配多语言文本预训练模型的新方式。 / ICASSP收录论文 / CPT: Cross-Modal Prefix-Tu…
136 0 0
ICASSP 2022 | FlatTN: 基于规则和神经网络融合的端到端中文文本正则化模型
本文由清华大学、标贝科技有限公司、香港中文大学合作，提出了一种将规则、词典和神经网络融合于一体的端到端中文文本正则化模型。该模型结合了规则和词典的可扩展性、神经网络的上下文建模及高效利用大数据的能力，通过规则和词典等在神经网络模型推理的过程…
336 1 0
ICASSP 2022 | SpanPSP：一种基于跨度的端到端中文韵律结构预测模型
本文由清华大学与香港中文大学、北京世纪好未来教育科技有限公司合作，提出了一种面向语音合成的基于跨度（span）的端到端韵律结构预测模型SpanPSP，该模型直接接受汉字字符序列作为输入，不需要任何的分词、词性标注等预处理，且相比于现有的所有…
462 1 0
ICASSP 2022 | 基于Transformer的稳定高效的语音驱动虚拟人合成
本文由清华大学与上海交通大学、微软中国合作，提出了一种从语音预测虚拟人脸部动画参数（Speech-to-Animation, S2A）的方法，能够稳定且高效地生成与语音内容同步的面部表情动作。与传统方法相比，本文利用音素后验概率图来表征语音…
628 1 0
论文分享：当声纹识别遇上标签噪声？前端和后端的系列优化
论文转载厦大智能语音实验室 声纹识别是指从说话人的语音信号中提取声纹特征，并通过有效的分类识别模型，对说话人的身份进行校验和鉴别。声纹识别广泛应用于刑侦、人机交互声纹口令验证、银行声纹身份验证等领域。当前的声纹识别系统通常包括两个模块：神经…
18 0 0
ICASSP 2022 | NeuFA: 基于双向注意力机制的神经网络端到端强制对齐
本文由清华大学与香港中文大学、字节跳动公司合作，提出了一种新的双向注意力机制（bidirectional attention mechanism）以及基于该机制的神经网络强制对齐（forced alignment）模型NeuFA。该模型基于…
462 0 0
ICASSP 2022 | 用于说话人验证系统的基于神经声码器的对抗样本检测方法
本文由台湾大学、清华大学、香港中文大学与腾讯科技有限公司合作，针对说话人验证系统很容易受到对抗性样本攻击的问题，提出了一种基于神经声码器的、用于说话人验证系统的对抗样本检测的方法。 扫码阅读论文： https://arxiv.org/abs…
227 1 0
ICASSP 2022 | 基于声学、语音学和语言学嵌入的错误发音检测与诊断方法
本文由清华大学与微软亚洲研究院合作，提出了一个同时利用声学特征、语音学特征和语言学特征的音素级别错误发音检测与诊断（mispronunciation detection and diagnosis，MD&D）框架。其中语音学特征提取自用大规…
304 0 0
ICASSP 2022 | 面向语音情感识别的神经网络架构搜索
本文由香港中文大学、清华大学合作，研究面向语音情感识别的神经网络架构搜索，提出了一种均匀路径丢弃（uniform path dropout）的训练策略以改进神经架构的搜索速度，有效地提升了神经网络的情感识别准确率，也降低了模型的参数量。
473 0 0