论文分享 | Emotional Voice Conversion: Theory, Databases and ESD
近期，新加坡国立大学Human Language Technology (HLT) 实验室发布全新情感语音数据集Emotional Speech Database (简称ESD)，相关论文Emotional Voice Conversion…
677 0 0
声浪
技术助力爱奇艺出海提速 这次让AI当上了“配音演员”
对标国际制作水准，爱奇艺推出的大批高品质自制内容，不仅成功收获了国内众多用户好评，也深受海外用户的喜爱。近日，App Annie 公布了11 月中国非游戏应用出海收入排行榜，爱奇艺已跃升至第五位，同时也是国内长视频领域中唯一跻身Top 5的…
69 0 0
考那么多试，拿那么高分，大模型们真的懂语言了吗？
关于 GPT-3 等大规模语言模型能否理解人类语言，人们一直存在分歧。 十年前，IBM 的 Watson 获得了答题节目《Jeopardy!》的冠军，当时 IBM 宣称：「Watson 能够理解自然语言的所有歧义和复杂性。」然而，正如我们所…
122 0 0
GoEmotions：情绪分类更为细化的数据集
情绪是社交互动中的重要一环。它影响着人们的行为方式，塑造人际关系。语言尤为如此，只需要几句话，我们就能够表达各种微妙而复杂的情绪。因此，研究界的一个长期目标是让机器能够理解上下文和情绪，这反过来又有助于研发各种应用（包括有同理心的聊天机器人…
345 0 0
Translatotron 2：高质量、稳健、负责任的语音转语音直接翻译
语音转语音翻译 (S2ST) 是打破世界各地人与人之间语言障碍的关键。自动 S2ST 系统通常由语音识别、机器翻译和语音合成子系统级联组成。然而，此类级联系统可能会面临较长的延迟、信息（尤其是副语言和非语言信息）丢失，以及各子系统之间的错误…
97 0 0
SP Society Journal Paper Presentation Request
Authors of papers in the journals of the IEEE Signal Processing Society will have the opportunity to present their work…
101 0 0
论文分享｜VisualTTS : 为无声视频生成准确的口型变化同步语音
近期，新加坡国立大学Human Language Technology (HLT) 实验室提出神经网络自动配音模型VisualTTS: TTS with Accurate Lip-Speech Synchronization for Aut…
59 0 0
ASRU2021｜快手如何玩转复杂场景下的说话人识别？
快手是一个短视频社区，短视频和直播中通常混合各种形式的声音，如语音、音乐、特效音和背景噪声等，这些声音很好的提升了短视频和直播的用户消费体验，但同时也为音频内容理解带来极大的困难和挑战。如何在复杂场景下准确高效的进行说话人识别，通常需要引入…
221 0 0
Title: State-of-the-Art of End-to-End Speech Recognition
Abstract Over the last several years, there has been growing interests in developing end-to-end (E2E) automatic speech r…
123 0 0
Self-attention Mask详解
大家好，好久不见，今天想给大家分享一些关于Mask的一些理解和小技巧。 来源丨433的3号同学 作者丨贾彦 如果你要对transformer进行改动，就必然要去重新构建你的mask，那么本文会对transformer中的mask机制进行详细…
60 1 0