15亿参数最强通用NLP模型面世！
【导读】OpenAI终于发布最大版本15亿GPT-2参数！生成一本《哈利波特》不在话下！作为GPT-2的最终模型分阶段发布，发布最大版本的GPT-2（15亿参数）以及代码和模型权重，以方便检测GPT-2模型的输出。此前因担心史上最强NLP模…
14 0 0
声浪
语音版BERT？滴滴提出无监督预训练模型，识别性能提升10%
语音识别技术在各种工业应用中获得了极大的普及。但是，建立一个好的语音识别系统通常需要大量的转录数据，而这些数据收集起来成本高昂。为了解决这个问题，来自滴滴出行人工智能实验室的研究者提出了一种新颖的无监督预训练方法，他们称之为 masked…
29 0 0
变声，混响，语音合成 TTS，Swift5
iOS Audio hand by hand 变声，混响，语音合成 TTS，Swift5 基于 AVAudioEngine 等 AVAudioEngine 比 AVAudioPlayer 更加强大，当然使用上比起 AVAudioPlayer…
19 0 0
新书推荐 | 清华大学王东老师新书《人工智能》
简介 由清华大学王东、重庆科技大学利节、重庆巴蜀中学许莎三位老师合著的《人工智能》一书，近日已经由清华大学出版社出版。本书既可以作为高中以上青年学生的科普读物，也可以作为大学选修课教材。 这是一本介绍人工智能基础知识的高级科普读物。全书主要…
68 0 0
基于端到端深度神经网络的说话人与语言识别综述
【导读】InterSpeech是语音处理领域的顶级会议，于9月15日-9月20日在奥地利格拉茨召开。本文共分享昆山杜克大学李明博士在会上作了题为“End-to-end deep neural network-based speaker an…
26 0 0
语音交互：从场景到趋势
2019年全球语音交互市场规模达到13亿美元，预计2025年全球语音交互市场规模将69亿美元，目前以广泛应用到智能家居、车载语音、智能客服等行业和场景。 从功能机时代到智能机时代，人与机器的交互方式一直在变化。尤其是近几年来，语音交互一直是…
24 0 0
声乐情感传感器 | 告别误会，比你更懂你
导语：可以识别中立、快乐、悲伤、愤怒、恐惧、厌恶和惊讶声音情感传感器，并且准确率在83%以上，还可以根据情绪播放相应的音乐。 关键词：音乐、音频提取、构建模型、情感传感器 人跟人面对面的交流很可能都没有办法愉快地理解彼此，如果把对话放到电话…
20 0 0
人工智能的产品和工程视角
导语：王咏刚老师从人工智能的产品研发和系统工程角度，帮学生梳理一下，如何将一个前沿人工智能技术变成一个具有商业价值的产品或解决方案。这方面的方法论、知识体系，学生在学校期间并不能经常接触到。 每年暑期，创新工场举办的DeeCamp大学生人工…
20 0 0
书单 | 语音研究进阶指南
作为人类最自然的交流方式，“听”和“说”包括了人类大脑皮层从听觉感知到语言处理和理解，再到声音生成这个“神奇”的认知过程。语音领域的探索和研究已经持续了长达150多年，从最初的电话通信到语音识别、语音合成、说话人识别等扩展应用， 研究内容涵…
20 0 0