声浪

转载4 years ago

近期，阿里巴巴达摩院发布新一代语音识别模型Paraformer，这是业界首个应用落地的非自回归端到端语音识别模型，在推理效率上最高可较传统模型提升10倍，且识别准确率在多个权威数据集上名列第一。目前，该模型于魔搭社区面向全社会开源，适用语…

152 0 0

转载4 years ago

通过 Azure 认知服务的智能语音功能[1]，用户可以使用语音 SDK 开发工具包快速构建支持语音交互的各种应用。将语音转录为准确的文本（STT，或语音识别）或者将文本转换成生动的语音（TTS，或语言合成），从未像今天如此简单。这些工…

98 0 0

转载4 years ago

最近，LSTM之父Jürgen Schmidhuber梳理了17世纪以来人工智能的历史。在这篇万字长文中，Schmidhuber为读者提供了一个大事年表，其中包括神经网络、深度学习、人工智能等领域的重要事件，以及那些为AI奠定基础的科学家们…

95 0 0

原创4 years ago

本次分享北京大学ADSP Lab、腾讯AI Lab和约翰霍普金斯大学联合投稿于ICASSP2023的表现力语音合成相关工作《NoreSpeech: Knowledge Distillation Based Conditional Diffu…

129 0 0

原创4 years ago

自ModelScope魔搭社区发布以来，众开发者在ModelScope上传与下载模型，并集成到自己的语音识别服务中。为了方便用户更好地利用ModelScope进行语音识别服务，我们推出了语音识别基础框架FunASR，希望在语音识别的学术研究…

904 0 0

原创4 years ago

连接主义时间分类（Connectionist Temporal Classification, CTC）是自动语音识别（ASR）领域的一项经典技术，它的算法简单而优美，漂亮地解决了语音与标签对齐的难题。ASR可分为在线ASR和离线ASR，前…

146 0 0

转载4 years ago

在过去的一段时间里，Azure 神经网络文本转语音服务（Neural TTS）已经在声音质量方面取得了快速发展，实现了在句子级别媲美真人的水平（查看详情[1]）。但是在实际应用中，语音合成除了单句合成，也经常应用于生成长文本的段落音频，比如…

204 0 0

原创4 years ago

今日论文合集：cs.SD语音14篇，eess.AS音频处理17篇。 cs.SD语音【1】Knowledge Transfer from Pre-trained Language Models to Cif-based Speech Rec…

629 0 0

原创4 years ago

今日论文合集：cs.SD语音3篇，eess.AS音频处理4篇。 cs.SD语音【1】 Moûsai: Text-to-Music Generation with Long-Context Latent Diffusion 标题：莫赛：长语…

117 0 0

原创4 years ago

今日论文合集：cs.SD语音3篇，eess.AS音频处理3篇。 cs.SD语音【1】 Novel-View Acoustic Synthesis 标题：声学合成的新视角链接：https://arxiv.org/abs/2301

89 0 0