今天跟大家分享一篇语音相关的论文合集:cs.SD语音17篇,eess.AS音频处理17篇。 cs.SD语音 【1】 Audio-Visual Segmentation 标题:视听分割 链接:https://arxiv.org/abs/220…

最新声浪
查看全部 →语音/音频处理学术速递[7.12]
36 0 0
我们测试websocket server 在高并发连接情况下出现连接慢的情况,这个是同时100个ws连接下出现的。这个有什么好的解决办法吗?
问:我们测试websocket server 在高并发连接情况下出现连接慢的情况,这个是同时100个ws连接下出现的。这个有什么好的解决办法吗? 答:可以尝试一下grpc。
132 0 0
热词输出带上 context 的标志了,是不是通过参数可以控制?还是要改下代码,去掉?
可以看一下 decoder/context_graph.cc后续新版的热词不会更改识别结果,而是返回识别结果的同时,额外返回识别到的热词列表,可以关注一下。
95 0 0
web socket server,用的onnx的模型,加上热词后,score从3-10都试了下,没有起作用。onnx模型,是从非流模型导出的,会是这个原因吗?
问:web socket server,用的onnx的模型,加上热词后,score从3-10都试了下,没有起作用。onnx模型,是从非流模型导出的,会是这个原因吗? 答:热词跟是否流式没有关系,根据运行结果来看,两个热词里均包含OOV,都被…
121 0 0
为什么这里算概率一定要把这些全部加起来,为什么不能像一个一个地算,求出最大概率为声学对齐结果呢?
问:为什么这里算概率一定要把这些全部加起来,为什么不能像一个一个地算,求出最大概率为声学对齐结果呢? 答:如果你的模型参数已经优化好了,最大概率是声学对齐,如果是一个随机初始化的模型,最大概率的那个系列只是一个随机对齐。假如你的初始模型,在…
62 0 0
不把16k降到8k维护一套8k的是因为16k准确率高吗?如果有存储需求16k意味着存的音频占的硬盘翻倍了,rtf也会下降吧
维护两套肯定比维护一套的成本高。存的时候按原始采样率存就行了,不会有额外存储,8k转16k这个过程代价不高。
90 0 0
一般外呼场景都是8k采样率的录音, 假设模型都一样 ,8k和16k不同采样率训练出的模型准确率会有差距吗?
在模型、语料、信道等信息相同的情况下,如果只是经过降采样后训练模型,两种采样率的模型结果是有差距的,正常情况下,8k的结果没有16k的好。
106 0 0
