智能语音技术新进展与发展趋势
在深度学习、大数据和大算力的推动下，以语音增强、识别和合成为代表的智能语音技术已经在众多应用中落地。特为大家整理了一些比较前沿的报告，文末可免费获取。 No.1
180 0 0
声浪
自动生成的骚扰电话，能不能用AI拒接？
去年起，美国政府开始认真对待机器人来电问题。2021 年 6 月 30 日起，联邦通信委员会 FCC 要求电话提供商使用一种名为 STIR/SHAKEN 的基于加密协议的方式来验证所有来电者的 ID。 和往常一样，这种方法并没有治本，任何期…
72 0 0
ICASSP 2022 深度3D音频信号处理挑战赛成绩单
近日，由快手音视频技术部联合意大利罗马第一大学（Sapienza University of Rome, Italy），在国际音频顶级会议 ICASSP 2022 上发起的深度3D音频信号处理挑战赛（L3DAS22：Machine Lear…
187 0 0
论文推介：语音合成中基于风格和说话人成分解耦的风格迁移
目前的语音合成系统大多基于单一说话人单一风格语音数据建模，但随着语音合成应用场景的不断扩展，对多风格语音合成的需求越来越大。然而单人多风格数据难以获取，一来成本高，二来不是每个发音人都能完成不同风格的录制。一种最直接的方式是通过语音风格迁移…
168 0 0
腾讯联合北大刷新AISHELL SOTA（附代码开源）
近期，来自北京大学和腾讯AI LAB， ASR oteam的研究人员在主流端到端语音识别系统上进行了两点改进：（1）将LF-MMI准则用于端到端语音识别系统的训练和解码中；（2）使用词级别N-gram模型进行在线解码。集成上述两点的端到端模…
401 0 0
科研快讯 | THUHCSI人机语音交互实验室11篇论文被信号处理领域顶级国际会议ICASSP录用
ICASSP 2022 近日，2022年IEEE音频、语音与信号处理国际会议（2022 IEEE International Conference on Acoustics, Speech, and Signal Processing，IC…
288 0 0
论文推介丨MsEmoTTS—面向高表现力语音合成的多尺度情感迁移、预测和控制
语音合成又称文语转换技术 (Text-to-speech, TTS)，是将文本转换为自然语音的一类技术，是服务于语音交互、信息播报、有声朗读等任务的核心技术。在深度学习的推动下，语音合成的自然度和音质得到了巨大的提升。然而，仅仅合成听起来自…
273 0 0
AI 看唇语，在嘈杂场景的语音识别准确率高达75%
人们通过聆听和观察说话者的嘴唇动作来感知言语。那么，AI 也可以吗？ 事实上，研究表明视觉线索在语言学习中起着关键的作用。相比之下，人工智能语言识别系统主要是建立在音频上。而且需要大量数据来训练，通常需要数万小时的记录。 为了研究视觉效果，…
162 0 0
嘈杂场景语音识别准确率怎么提升？关键时刻还得看唇语！
借助读唇语，人类能够更容易听懂他人的讲话内容，那么AI也能如此吗？ 最近，Meta提出了一种视听版BERT，不仅能读唇语，还能将识别错误率降低75%。效果大概就像如下这样，给一段视频，该模型就能根据人物的口型及语音输出他所说的内容。 而且与…
122 0 0
论文分享 | PortaSpeech: 轻量级、高质量的生成式语音合成模型
本次分享FastSpeech作者任意发表于NeurIPS 2021的另一篇语音合成论文《PortaSpeech: Portable and High-Quality Generative Text-to-Speech》。该论文提出了一个轻量…
663 0 0