【原理+实战】AI所有领域SOTA综述 语音识别
文章目录 前言 语音识别原理 信号处理，声学特征提取 识别字符，组成文本 声学模型 语言模型 词汇模型 语音声学特征提取：MFCC和LogFBank算法的原理 实战一：ASR语音识别模型系统的流程基于HTTP协议的API接口客户端未来 实战…
415 45 0
声浪
语音合成论文优选：Diverse and Controllable TTS with GMM-Based PLP Modell
本文是上海交大2021.05.27更新的文章，该文章主要使用GMM来进行phone-level的韵律建模，从而提高语音的自然度。该文章主要在单人，多人和prosody clone三个方面进行设计和实验，具体的文章链接 https://arx…
304 67 0
语音合成论文优选：唇语Speaker disentanglement in video-to-speech conversion
本文为University POLITEHNICA of Bucharest Bucharest, Romania在2021.05.20更新的文章，主要研究领域为video-to-speech。 具体的链接：https://arxiv.or…
389 41 1
李沐：工作五年反思！
李沐：”博士毕业的时候曾写过我的体会,很多同学留言说深受鼓舞。现在我想同样给大家分享这五年工作中的经验和感悟。更确切说是失败的教训，因为每一点就是付出了学费后获得的教训。希望这些同样能对大家有所帮助和启发。” 作者 | 李沐 事情的价值是对…
461 23 0
语音论文优选：口语理解A Streaming End-to-End Framework For SLU
A Streaming End-to-End Framework For Spoken Language Understanding 本文为滑铁卢大学在2021.05.20更新的文章，主要做流式口语理解的工作。 具体文章链接 ： https…
299 31 0
人工智能的新业务（以及与传统软件的区别）
译者按：作者Martin Casado是软件定义网络（SDN）之父，2016年4月从从VMware离职加盟了著名的风险投资公司Andreessen Horowitz成为合伙人到现在。由于作者是工业界技术大牛，所以他的见解不随波逐流，且和笔者…
541 64 0
语音合成论文优选：多模态Text2Video: Text-driven Talking-head Video Synthesis
本文是Baidu Research, USA在2021.04.29更新的文章，主要工作为多模态的talking-head,把text转成video 具体的文章链接： https://arxiv.org/pdf/2104.14631.pdf…
427 15 0
傅里叶变换取代Transformer自注意力层，谷歌这项研究GPU上快7倍、TPU上快2倍
来自谷歌的研究团队表明，将傅里叶变换取代 transformer 自监督子层，可以在 GLUE 基准测试中实现 92% 的准确率，在 GPU 上的训练时间快 7 倍，在 TPU 上的训练时间快 2 倍。 Transformer 自 2017…
588 71 0
TensorFlow 助力：AI 语音降噪打造 QQ 音视频通话新体验
腾讯 QQ，8 亿人都在使用的即时通信软件，大量用户使用它进行免费视频、音频通话。用户在进行音频通话时可能处于各种场景，嘈杂的背景声音对通话产生干扰，高质量的音频降噪能够有效提升用户通话体验。 QQ 团队基于开源 TensorFlow 机器…
662 22 0
一分钟，AI分离歌曲的人声、伴奏和乐器声
对于提取伴奏，消除人声，相信从事AI语音行业的朋友对这个不会陌生，各类软件也是层出不穷，今天就跟大家分享一个高效快捷的人声伴奏分离的网站——团子 DanGo.ai。操作简单，直接在网面上传歌曲，40秒左右即可拿到背景音乐和人声。 网址：ht…
640 71 0