【技术揭秘】可控时延语音识别文本后处理技术
关键词：文本后处理，标点预测，顺滑检测，CT-Transformer 背景介绍 自动语音识别 （ASR） 原始输出的文本不含标点，且口语的ASR识别结果通常包含大量不顺滑的短语。随着自动语音识别（ASR）技术的广泛应用，以标点预测和顺滑检测…
69 0 0
最新声浪
查看全部 →
2020 icassp视频回看
2020 icassp，因为假期错过了在线观看的朋友们，可以登入https://2020.ieeeicassp.org/，进入虚拟room: 然后进去之后有一些keynotes: 当然你想看一些主题，进入到speech process:ht…
11 0 0
【技术揭秘】使用无监督方式训练声纹识别模型的探索
1.背景 在声纹识别的应用中，常遇到的一个挑战是，应用场景需求的多样性、复杂性、以及明显的信道差异，使得基础声纹模型无法适配多个场景，声纹识别效果不理想。在跨信道、跨领域时，声纹识别性能会明显下降。为确保高准确率，通常需要针对应用场景精确地…
21 0 0
终于有人对语音技术来了次彻头彻尾的批判！
ImageNet的出现带来计算机视觉领域的突破发展，掀起了一股预训练之风，这就是所谓的ImageNet时刻。但与计算机视觉同样重要的语音领域，却是迟迟不见“ImageNet时刻”的到来。而作为NLP研究中最重要的方向之一——语音转文本（Sp…
29 0 0
【技术揭秘】解锁声纹技术中的说话人日志
一、背景 说话人日志（speakerdiarization）也叫说话人分离，它是从一个连续的多人说话的语音中切分出不同说话人的片段，并且判断出每个片段是哪个说话人的过程。借助说话人日志技术可以完成对音频数据流的结构化管理，具有广泛的应用价值…
290 0 0
Google发布的语音分离数据集与深度学习模型
谷歌发布了语音分离数据集与深度学习模型。语音分离数据集，全名为The Free Universal Sound Separation (FUSS) Dataset 。这个数据集将在DCASE2020 Challenge Task 4: So…
46 0 0
腾讯会议如何保证语音质量？音频信号处理中有这些秘籍！
导读：腾讯会议推出，集结腾讯在AI、云计算、安全等方面的能力，全方位满足不同场景下的会议需求，在短短两个月内就突破千万日活大关。面对多样且复杂的场景，比如开会环境嘈杂、同一地点多设备接入、房间声学参数不理想等，腾讯会议如何通过对音频信号的处…
43 0 0
腾讯AI LAB在解决鸡尾酒会问题上的一些进展
在这次的workshop (https://chimechallenge.github.io/chime2020-workshop/)上，来自腾讯AI LAB的俞栋老师分享了腾讯AI LAB在解决鸡尾酒会问题上的一些进展。这些进展涉及单模态…
79 0 0
神经网络结构搜索算法在语音合成的应用
神经网络结构搜索算法最近在各个方面都使用，本文是在语音合成上的使用， 关键是论文链接：https://arxiv.org/abs/2002.10389， GitHub链接：https://github.com/renqianluo/Semi…
19 0 0