声浪

语音小管家

转载2 years ago

CTC常用解码方式 CTC常用的解码方式有以下几种： Greedy Search：贪心搜索，每一帧选择输出最大值，随后对结果进行规整处理。 CTC字符串上的Beam Search：束搜索，在CTC解码中进行Beam Search，输出nn个…

语音小管家

原创2 years ago

近期,大型语言模型(LLMs)在生成文本和执行各种自然语言处理任务方面展现出了卓越的能力,成为了强大的AI驱动语言理解和生成的基础模型。然而，仅依赖于基于文本模态的模型存在显著局限性。这促使了基于语音的生成模型的发展,使其能够更自然、直观地…

语音小管家

转载2 years ago

FunASR是由通义实验室开源的语音识别框架，集成了语音端点检测、语音识别、标点预测等领域的工业级模型的训练和部署，吸引了众多开发者参与体验和开发。 为了支持用户便捷高效的集成语音AI能力，FunASR社区推出了服务部署社区软件包，支持Do…

语音小管家

转载2 years ago

端到端语音到语音翻译的研究兴趣和趋势日益高涨。然而，大多数端到端模型都难以超越级联模型，即通过串联语音识别、机器翻译和文本到语音模型的层级式框架。主要挑战来自直接翻译任务的内在复杂性和数据的稀缺性。在本工作中，我们介绍了一种新颖的模型框架…

语音小管家

转载2 years ago

在2024年国际语音通信协会（ISCA）主办的全球旗舰语音会议Interspeech 2024上，由邹月娴教授带领的现代信号与数据处理实验室（下称ADSP实验室）的研究团队荣获显著成绩。Interspeech 2024共录用1029篇学术论…

语音小管家

转载2 years ago

去年 12 月，生成式 AI 公司 Petuum 以及穆罕默德·本·扎耶德人工智能大学（MBZUAI）共同推出了一个用于创建开源大型语言模型的项目 LLM360，旨在提高开源代码的透明度，公开整个 LLM 训练过程、代码、数据和最佳实践，以…

每日语音速递

原创2 years ago

今日论文合集：cs.SD语音4篇，eess.AS音频处理5篇。 本文经arXiv每日学术速递授权转载 cs.SD语音

语音小管家

转载2 years ago

近期，昆山杜克大学联合武汉大学、腾讯AI Lab和太原理工大学团队联合在语音旗舰期刊IEEE/ACM Transactions on Audio, Speech and Language Processing (TASLP)上发表了一篇题为…

每日语音速递

原创2 years ago

今日论文合集：cs.SD语音26篇，eess.AS音频处理29篇。 本文经arXiv每日学术速递授权转载 cs.SD语音

语音小管家

转载2 years ago

论文题目：C-LLM: Learn to Check Chinese Spelling Errors Character by Character 作者列表：李堃婷，胡勇，何亮*，孟凡东，周杰 单位：新疆大学计算机科学与技术学院、清华大学电…