语音识别系列之高阶解码器技术
本文取名高阶解码器技术，一是文章假定读者已有语音识别、WFST(Weighted Finite State Transducer)和解码器的基础知识，二是文章关注解码器在实际应用中的问题和实际需求，当然也略有博人眼球的嫌疑。本文写作过程中，…
15 0 0
最新声浪
查看全部 →
INTERSPEECH2020大会主题演讲嘉宾： 牛津大学教授Janet B. Pierrehumbert
摘要：美国科学院院士，美国语言学会、认知科学学会和美国艺术和科学院会士将为大会带来精彩报告 第21届国际语音通讯协会年会INTERSPEECH 2020将于2020年10月25日-30日全程在线举行。本次大会共邀请到4位重磅嘉宾做大会主题报…
10 0 0
Facebook开源低延迟在线自动语音识别框架：速度更快，错误率更低
AI 前线导读：Facebook 人工智能研究院（FAIR）于当地时间 1 月 13 日表示，已经开源了基于深度学习的推理框架 wav2letter @ anywhere，该框架可在云或嵌入式边缘环境中快速实现在线自动语音识别。 Wav2l…
9 0 0
乘风破浪的PTM：两年来预训练模型的技术进展
Bert模型自18年10月推出，到目前为止快两年了。它卜一问世即引起轰动，之后，各种改进版本的预训练模型（Pre-Training Model, PTM）与应用如过江之鲫，层出不穷。Bert及它的继任者们，确实也不孚众望，在NLP各个领域攻…
12 0 0
使用transformer模型进行流式自动语音识别
论文名称：Streaming automatic speech recognition with the transformer model 作者：Moritz Niko /Hori Takaaki /Roux Jonathan Le 发表…
13 0 0
达摩院重磅宣布2020十大科技趋势，AI有望迈过两大门槛
近日，达摩院发布了2020十大科技趋势，对未来科技的发展和布局做了细致的分析。内容涵盖了芯片、人工智能、区块链、量子计算、云计算等当前热门科技领域。 刚刚，“达摩院2020十大科技趋势”正式发布！ 去年，我们预测的科技趋势正一一变为现实：A…
9 0 0
Google：借助 Live Caption 在设备上生成字幕
为音频内容添加字幕不仅对听障人士非常重要，也可以为所有观众提供便利。日常生活中，有多种情况是需要关掉声音看视频的，如你在乘坐公共交通工具、会议中、床上，或者身边孩子已熟睡时。研究表明，有字幕的视频会更有吸引力，使用户观看时长延长近40%。然…
9 0 0
苹果 Google 亚马逊罕见联手，智能家居革命要来了？
本世纪初以来，技术在家居上的应用不断得到发展，现在家中各种电子电器产品或系统都能连上网，可以本地或远程控制，包括恒温器、相机、锁、灯、开关、传感器等等。但因缺乏全行业的连接标准，人们对哪些设备与哪个智能家居生态系统一起工作充满困惑。同时，这…
9 0 0
语音识别基础：（四）前端处理
模型的训练由数据驱动，有些数据是必须要准备的。为了让机器学会将语音转换为文本，首先需要给它提供大量的例子，即语音及其对应的文本，这是原始素材，也最能反映学习目的。这些数据的符号化和结构化则需要一些人类先验知识，包括语言知识和数字信号处理相关…
916 0 0
语音识别基础：（三）完整的语音识别实验
对语音识别有了大体印象，或许技术流程的细节、原理仍不是太清晰，此时大可以花些时间先行将每个知识点逐一弄明白，等到面面俱到了，这才出山，并期望有了一整套理论加持便能快速地实现一个语音识别系统。这样的线性思维适合一些考试，只要把教材的知识点摸得…
133 0 0