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
最新声浪
查看全部 →
地平线 | 招聘多模语音识别算法工程师、语音信号处理开发工程师
地平线 地平线是边缘人工智能芯片的全球领导者。得益于前瞻性的软硬结合理念，地平线自主研发兼具极致效能与开放易用性的边缘人工智能芯片及解决方案，可面向智能驾驶以及更广泛的通用 AI 应用领域提供全面开放的赋能服务。目前，地平线是国内唯一实现车…
237 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…
120 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…
661 0 0
全球首个中文精标歌声合成开源数据Opencpop正式发布
作者：朱鹏程 近日，由网易伏羲语音与音乐团队、上海视觉艺术学院流行音乐舞蹈学院王玉老师团队、西工大音频语音与语言处理研究组谢磊老师团队、同济大学设计创意学院吴洁老师团队联合发布的中文精标歌声合成数据集Opencpop，正式在wenet开源社…
19 0 0
聚力维度 | 招聘语音合成算法工程师
聚 力 维 度 聚力维度前身为十二维度（北京）科技有限公司，创始于2012年，公司专注计算机视觉和人工智能技术研发，致力用人工智能颠覆影视制作行业。 聚力维度科幻成真实验室研发的人工智能2D转3D平台峥嵘，将院线级3D转制效率提升1000多…
102 0 0
陆昱：基于文本和语音的双模态情感分析
分享嘉宾：陆昱博士追一科技 算法工程师 编辑整理：吴祺尧 出品平台：DataFunTalk 导读：今天和大家分享的主题是基于文本和语音的双模态情感分析。大家可能会从自然语言处理的角度认为情感分析已经做得比较成熟了，缺少进一步研究的方向。此外…
208 0 0
镁佳科技 | 招聘语音识别算法工程师
镁 佳 科 技 镁佳（北京）科技有限公司2018年成立于北京。秉承着“软件改变世界”的梦想，凭借多年在互联网和汽车行业的积累，成功推出镁佳整车级别分布式智能操作系统SmartMega® OS+和软件开发基础组件SmartMega® Core…
73 0 0
思必驰 | 招聘语音识别主任研究员
思必驰 思必驰是国内专业的对话式人工智能平台公司，拥有全链路的智能语音语言技术，自主研发了新一代人机交互平台(DUI)，和人工智能芯片(TH1520)；为车联网、IoT及政务、金融等众多行业场景合作伙伴提供自然语言交互解决方案。截至2021…
96 0 0
循环智能 | 急招语音合成算法工程师
循环智能 循环智能（Recurrent AI）是一家专注于销售科技（SalesTech）领域的企业服务公司，服务的客户主要在银行、保险、房地产、汽车等领域，涵盖线上和线下沟通场景，致力于让企业与客户的每一次沟通有更好的成效。循环智能创立于2…
87 0 0