云栖大会｜盛宴之下，共赴一场视频云的进化论
2021 云栖大会 10 月 21 日，阿里云视频云 将深度演绎一场视频云赛道的全面进化 音视频技术开创产业视频化新蓝海 新内容与新交互的演进，推动了消费端全方位的体验革新，展开了云上视频新景象，促动了众多行业音视频数智化转型，更打开了产业…
462 1 0
声浪
语音合成（speech synthesis）方向十一：聊一聊增量式语音合成（iTTS）进化史
声明：工作以来主要从事TTS，VC以及ASR等等相关工作，平时看些文章做些笔记。文章中难免存在错误的地方，还望大家海涵。 平时搜集一些资料，方便查阅学习：TTS 论文列表 http://yqli.tech/page/tts_paper.ht…
120 0 0
百万小时无监督数据上训练80亿参数模型，多项语音任务上SoTA，语音的ImageNet时刻？（三）
前言：本文是Google于2021年9月27日发表的最新论文（10月1日更新第二版），详细介绍了Google最近一段时间在语音识别半监督领域的最新进展，包括使用一百万小时的无标签数据来训练80亿参数量的超大模型，同时还通过预训练语音识别模型…
447 1 0
OpenSpeaker：从零实现一套声纹识别系统
前言：有感于早些年前学习语音时，在Kaldi庞大的框架和脚本里挣扎了很久，而且对于深度学习模型训练、推理、部署、优化等也困惑了很久，现如今有时间，就想实现一套最简单的自包含方案，系统的说明一套语音服务从训练到部署的全套流程，方便新人学习，也…
475 1 0
云栖大会｜感受万物数字化，体验千行视频化
“前沿·探索·想象力”，今年的云栖大会即将与大家如期见面。 从10月19日至22日，云栖大会将带来100+场新思想论坛、450+最热科技新品、1000+数字新物种、40000平米的“云栖数字谷”沉浸科技体验，以及一系列炫目的极客盛会。 阿里…
569 1 0
调研报告｜在线语音识别改进方法之序列区分性训练
这篇文章主要调研的是一种常见的改进在线语音识别的方法：序列区分性训练（Sequence Discriminative Training）。相信有很多人已经在 CTC/CE 的训练上遇到了瓶颈，而一些新的框架如 RNN-T，End2End 的…
76 0 0
调研报告｜在线语音识别改进之 RNN-T 训练
这篇文章主要调研的是另外一种改进在线语音识别的方法：基于 RNN Transducer 方法。这篇文章可能文字讲解的地方会比较少，因为图片的内容信息量已经很大了，同时论文的出处我会一并放出，有兴趣的朋友可以阅读下原文。因为我本人是基于 Te…
693 1 0
【语音之家】AI产业沙龙——腾讯会议背后的语音技术
由CCF语音对话与听觉专委会 、中国人工智能产业发展联盟（AIIA）评估组 、腾讯会议天籁实验室、语音之家（北京）科技有限公司、北京希尔贝壳科技有限公司共同主办的【语音之家】AI产业沙龙-腾讯会议背后的语音技术，将于2021年10月12日…
65 0 0
助力语音识别研究，CAT工具包升级第二版啦！！！
编者按：2019年底，清华大学语音处理与机器智能实验室（THU-SPMI）推出了基于CTC-CRF的ASR工具包CAT，在多个基准数据集上取得了前沿性能（State-Of-The-Art，SOTA）。近期CAT工具包有了较大改动，升级版本命…
56 0 0
基于深度学习的声纹识别概述（二）
前言：做技术不能只见树木，不见森林，读综述类的论文，能很好的帮我们把握业界的前进方向。本文是由西工大张晓雷教授所作，于2021年4月4日更新，全面的分析了说话人识别方向的几个关注点，本文及接下来的几篇文章会详细的分析这篇论文。 本系列第一部…
312 1 0