聊一下说话人识别的cross-domain问题
作者编语：在说话人识别社区里，cross-domain问题，即跨域问题，是很常见和十分地影响着识别性能。这次想聊一下cross-domain问题，顺便带一下货[狗头]~我先从任务和应用场景的角度来谈cross-domain是怎样常见哈。 先…
230 0 0
声浪
ICASSP 2022论文分享-ProsoSpeech：基于量化矢量预训练的韵律建模方法
以下文章来源于阿里语音AI，作者达摩院语音实验室 ICASSP(International Conference on Acoustics, Speech, and Signal Processing)是国际声学、语音和信号处理会议，亦为I…
247 0 0
如何亿点点降低语音识别跨领域、跨语种迁移难度？
以下文章来源于微软研究院AI头条，作者侯汶昕、王晋东 随着深度学习的不断发展，语音识别技术得到了极大的提升，同时为人们的日常生活提供了许多便利。然而，一个语音模型的训练并非易事，因为语音数据天然存在着获取难、数据标注耗时昂贵的问题，而且还会…
226 0 0
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。
385 0 0
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…
183 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
230 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。
248 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…
206 0 0