清华语音与音频技术实验室OpenASR20挑战赛系统描述
由清华语音与音频技术实验室（THUsatlab）组成的THUEE队伍参加OpenASR20挑战赛取得多项语种第一名，本文主要介绍比赛中所搭建的系统。
374 0 0
声浪
三个世界第一！贝壳人工智能技术的新突破
近日，贝壳人工智能技术中心捷报频传，旗下语音技术团队与NLP技术团队先后在两大国际顶级赛事中斩获三个“世界第一”，这标志着贝壳AI技术在相关领域的研究已处于世界领先水平。 在国际声学、语音与信号处理会议（ICASSP） 2022 ADD挑战…
155 0 0
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
192 0 0
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…
177 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—…
261 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…
263 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
196 0 0