百万小时无监督数据上训练80亿参数模型，多项语音任务上SoTA，语音的ImageNet时刻？（三）
前言：本文是Google于2021年9月27日发表的最新论文（10月1日更新第二版），详细介绍了Google最近一段时间在语音识别半监督领域的最新进展，包括使用一百万小时的无标签数据来训练80亿参数量的超大模型，同时还通过预训练语音识别模型…
429 1 0
声浪
OpenSpeaker：从零实现一套声纹识别系统
前言：有感于早些年前学习语音时，在Kaldi庞大的框架和脚本里挣扎了很久，而且对于深度学习模型训练、推理、部署、优化等也困惑了很久，现如今有时间，就想实现一套最简单的自包含方案，系统的说明一套语音服务从训练到部署的全套流程，方便新人学习，也…
455 1 0
调研报告｜在线语音识别改进方法之序列区分性训练
这篇文章主要调研的是一种常见的改进在线语音识别的方法：序列区分性训练（Sequence Discriminative Training）。相信有很多人已经在 CTC/CE 的训练上遇到了瓶颈，而一些新的框架如 RNN-T，End2End 的…
58 0 0
调研报告｜在线语音识别改进之 RNN-T 训练
这篇文章主要调研的是另外一种改进在线语音识别的方法：基于 RNN Transducer 方法。这篇文章可能文字讲解的地方会比较少，因为图片的内容信息量已经很大了，同时论文的出处我会一并放出，有兴趣的朋友可以阅读下原文。因为我本人是基于 Te…
678 1 0
【语音之家】AI产业沙龙——腾讯会议背后的语音技术
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日…
49 0 0
助力语音识别研究，CAT工具包升级第二版啦！！！
编者按：2019年底，清华大学语音处理与机器智能实验室（THU-SPMI）推出了基于CTC-CRF的ASR工具包CAT，在多个基准数据集上取得了前沿性能（State-Of-The-Art，SOTA）。近期CAT工具包有了较大改动，升级版本命…
42 0 0
基于深度学习的声纹识别概述（二）
前言：做技术不能只见树木，不见森林，读综述类的论文，能很好的帮我们把握业界的前进方向。本文是由西工大张晓雷教授所作，于2021年4月4日更新，全面的分析了说话人识别方向的几个关注点，本文及接下来的几篇文章会详细的分析这篇论文。 本系列第一部…
290 1 0
ASR Conformer模型论文及代码分析
0. 前言 Conformer是Google在2020年提出的语音识别模型，基于Transformer改进而来，主要的改进点在于Transformer在提取长序列依赖的时候更有效，而卷积则擅长提取局部特征，因此将卷积应用于Transform…
587 2 0
Noisy Student Training for ASR: 语音识别的半监督训练
本文是Google语音团队于2020年10月发表的《Improved Noisy Student Training for Automatic Speech Recognition》，是当前半监督学习领域最新的进展之一，基于此文而来的《Pu…
292 0 0
关于主动降噪耳机，你想知道的一切（五）
文 | S.Li 编辑 | 贰沐 子鱼 今年实在太忙，终于抽出了点空来继续更新 Active Noise Cancellation (ANC)！关于ANC耳机的基础知识已经在前面4章说的差不多了，这次主要来讲一讲实际应用中个人觉得挺重要的一…
40 0 0