活动与赛事

Interspeech 2022 Special Session通过SLUE benchmark联合测评ASR+NER+Sentiment。欢迎大家投稿参加！

通过搭建AI语音技术领域企业与求职者之间的桥梁，精准匹配人才供给双方的需求

2022年1月12日，由国家工业信息安全发展研究中心为指导，中国语音产业联盟、国家语音及图像识别产品质量检验检测中心主办，声纹圈、语音之家承办的中国语音产业联盟•2022年系列线上活动——语音鉴伪主题沙龙成功举办，直播间吸引了850多人观看。

2021年12月4日，由中国计算机学会语音对话与听觉专委会、中国科学技术大学语音及语言信息处理国家工程实验室、中国科学技术大学电子工程与信息科学系主办的“语音合成专题学术论坛”在线上成功举办。论坛由中国科学技术大学凌震华教授主持，中国计算机学会语音对话与听觉专委会副主任、上海交通大学俞凯教授做活动致辞。论坛邀请了新加坡国立大学电气与计算机工程学院刘瑞博士、科大讯飞AI研究院语音合成方向研发主管胡亚军博士、微软亚洲研究院主管研究员谭旭博士、日本NII研究所王鑫博士做了分享报告，活动期间在线观众超过270人。

让计算机能听、能看、能说、能感觉，是未来人机交互的发展方向，其中语音已成为未来最被看好的人机交互方式，语音比其他的交互方式有更多的优势。

本次报告特邀西工大谢磊教授结合西工大音频语音与语言处理研究组的近期研究结果与大家交流分享～

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 、字节跳动科技有限公司-智能创作语音团队、语音之家、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-语音&音乐技术在字节跳动平台的应用，将于2021年12月23日12:00-14:00通过语音之家微信视频号直播。

中国语音产业联盟（Speech Industry Alliance of China，简称“SIAC”）是在工业和信息化部指导下，由中国境内从事语音技术和产品研究、开发、应用、服务及相关业务的企业、科研院所和服务机构自愿组成的全国性非盈利社会组织，以“平等自愿、优势互补、资源共享、合作共赢”为原则，积极推动语音产业链上、下游企业资源整合，加强产、学、研合作，构建健康产业生态体系，推进我国语音产业快速、健康发展。 近期，中国语音产业联盟将举办多场高质量沙龙，包括语音唤醒、语音合成、语音识别等专题讲座。2021年12月7日，将举办字幕语音识别ASR专题沙龙，届时由北京快手科技有限公司语音实验室首席架构师、语音算法质效负责人马永飞分享自动字幕识别效果优化实践与探索；由中国科学院声学研究所、中科院语言声学与内容理解重点实验室研究员、博士生导师赵庆卫分享智能语音技术近期进展及应用；由它思科技研究部负责人、清华大学天津电子信息研究院智能语音研究所副所长刘岩分享数据高效端到端语音识别技术实践及展望。

智能语音技术在网易的应用方式丰富多样，借助多场景下的海量数据，衍生出众多技术驱动的应用场景，从内容安全保障，到内容质量挖掘，让用户在内容海洋中尽情遨游。网易易盾团队通过语音关键词识别和语义理解，助力平台更快、更好、更低成本地筛选出违规内容。另一方面，网易云音乐团队对音乐进行理解、处理与生产，落地于音乐内容特质分析，音乐消费感知与创作门槛降低等方向，为用户提供多方位AI能力。

活动预告|语音合成专题学术论坛

多技能人工智能通过多模态感知技术来描述越来越复杂的现象和动态，从反映相关性的多场景数据中推理其中的因果关系，协同多技能来解决真实场景下的复杂问题，并且与组织管理方法进行融合决策，让多技能的防疫系统变得更加安全可靠。声智科技团队相信多模态的感知技术可以将解决方案的价值最大化释放，团队研发的Azero人工智能基础开发框架从声音、文字、图像、手势等单模态向多模态智能发展，即通过对听觉、视觉，甚至未来对嗅觉、味觉等难以量化的信号开展多个模态的融合分析，并在智慧健康、智慧城市和智慧生活领域开启崭新的落地实践。 本次沙龙将带大家走进Azero人工智能基础开发框架，一起探索背后的技术和多场景应用实践。

随着智能化产品深入生产生活，智能对话应用需求爆发，业界近年提出“对话即服务”、“对话即平台”等概念，国内外智能对话问答相关厂商相继推出智能对话平台类产品，产业各界也在此类产品投入越来越多的关注，本次沙龙请到国内智能对话平台领域专家，围绕技术、应用、产业的现状及未来发展趋势进行分享。

语音识别技术已广泛应用于日常生活当中，然而其在口音或方言上的性能或体验仍不尽如人意。本次报告对近几年口音与方言语音识别上的研究进展进行了快速的回顾，并进一步介绍了口音或方言语音识别相关的数据、基准和竞赛，以及一些可行的研究方向。 10月30日19:00-21:30，汤志远老师将为大家分享《口音与方言语音识别研究进展》。

​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号 20:00通过语音之家微信视频号直播。

近年来，AI智能语音应用在58同城广泛落地，从2018年开始，58同城AI Lab先后研发了语音对话机器人、语音内容分析平台，在销售、客服、产品、运营场景广泛使用，打造了多款AI应用，如销售智能外呼助手、呼叫中心语音质检系统、招聘面试机器人等。其中，语音对话机器人、语音内容分析平台底层依赖语音识别技术，初期由第三方语音厂商提供服务，但在2020年7月，58自主研发的语音识别引擎正式上线，替换了第三方语音厂商。当前已接入了数十个不同业务场景，日均转写语音量达数万小时。 本次沙龙将分享58同城AI Lab自研语音识别引擎的历程，包括数据、算法和工程架构，以及在58同城本地服务（黄页）业务中落地的一款智能语音应用——销售智能外呼助手。

语音增强是提高语音质量、消除背景噪音和提取干净原始语音的技术方法，主流算法包括Filtering Techniques、Spectral Restoration、Speech-Model-Based等算法。该技术广泛应用在会议系统、移动电话、助听器、VoIP等场景。在日常生活中语音通信的质量往往受到周围环境噪音的影响，使用语音增强技术可以降低噪声的干扰，但如何保证语音的可懂度是该技术在产业应用的难点。噪音围绕在生活的每个角落，更好的技术让我们更好的倾听。

语音合成（Speech Synthesis)技术已经被广泛应用在智能客服、新闻播报、有声阅读等业务场景。实现从文本到语音（Text To Speech)的转化，解决了人机语音交互的闭环，多语言多情感的实现赋能了机器的发声。所熟知的微软小冰、小爱同学、小度音箱等已经陪伴在我们生活当中，成为了人类的助手。但是在TTS的高拟真度、声音多样性、情绪控制等还存在一些问题需要解决，人类的对话不仅是一个发声而是有思想、有情感、有内容的更深入表达。TTS技术未来如何发展，值得我们思考与期待。

做为人类的生物特征之一“声纹”，在刑侦、安防等场景有着广泛应用。每一个人的生理发音器官都有差异，任何人的声纹特征都是独一无二的。声纹识别技术通常用于解决“谁在说话？”的问题，但是仍然面对一些例如发音人个体的生物特征变化、环境噪音等问题的挑战。“文本相关”和“文本无关”是说话人识别的两个系统分类，通过声纹特征准确判断说话人的信息已经在声学以及语音分析技术中被使用，在多人对话场景中对说话人语音内容的准确识别也起到很重要的应用。声纹识别的技术已经应用到人们日常生活的各个角落。

我们看到在AI大规模落地的场景中，一方面，边缘智能占有大多数比例。将边缘端的数据进行本地处理不仅更高效也更有利于智能化的快速实现。另一方面，云端则支持更大规模的数据处理，进行更复杂的AI运算。语音和图像识别是AI最重要的两大应用，在AI云边端的支持下，它通过MCU、SoC、FPGA、ASIC等芯片以及与之相应的算法、平台得以实现广泛应用。为了能够帮助广大工程师了解目前针对这两大应用推出的众多新的技术方案，更快地导入产品应用当中。电子发烧友网主办“AI+语音/图像”智能技术论坛，将邀请优秀的芯片企业和方案公司共同分享最新的技术与市场趋势。

说话人日志(Speaker Diarization)技术的主要目的是，给定一段多人交流的长音频(通常为单通道口语对话语音，有较多的多人混叠片段)，计算机能够自动地识别音频中有几个说话人，并检测出音频中每个说话人发言的起止时间戳，解决“谁在什么时候说话”(Who Spoke When)的问题，从而方便人们快速地检索和定位特定说话人的语音片段，是后续语音识别和声纹识别等模块的基础，被广泛用于会议场景的语音转写和索引等应用。