LeCun看了都说好！Meta AI一次搞定语音、视觉和文本三个SOTA
人工智能科学伊始，让机器「像人一样学习」始终是所有从业者的目标。人的智能基于多种感官与语言的通用处理能力，一直有研究者致力让机器做到此效果。 人的智识是「多模态学习」的总和，也就是可以跨越分类界限，理解和移用不同来源或形式的讯息与经验。 好…
172 0 0
声浪
浅谈冬奥会“黑科技”——AI手语主持人
第24届冬季奥林匹克运动会正如火如荼的进行中，细心的朋友可以发现在比赛的直播中有位AI手语主持人在为直播进行手语解说，用技术跨越声音的障碍。 AI手语主持人和被大家所了解的虚拟人一样，都有着以假乱真的外貌。从“她”的表情、口型、毛发、服饰、…
73 0 0
ICASSP 2022 ｜快手在 AEC Challenge 比赛斩获佳绩！
近日，在全球音频技术顶尖会议ICASSP 2022举办的AEC Challenge（Acoustic Echo Cancellation Challenge）回声消除比赛中，快手音视频技术团队在近端单讲音质、远端单讲回声消除、双讲音质和回声…
160 0 0
智能语音技术新进展与发展趋势
在深度学习、大数据和大算力的推动下，以语音增强、识别和合成为代表的智能语音技术已经在众多应用中落地。特为大家整理了一些比较前沿的报告，文末可免费获取。 No.1
183 0 0
自动生成的骚扰电话，能不能用AI拒接？
去年起，美国政府开始认真对待机器人来电问题。2021 年 6 月 30 日起，联邦通信委员会 FCC 要求电话提供商使用一种名为 STIR/SHAKEN 的基于加密协议的方式来验证所有来电者的 ID。 和往常一样，这种方法并没有治本，任何期…
74 0 0
ICASSP 2022 深度3D音频信号处理挑战赛成绩单
近日，由快手音视频技术部联合意大利罗马第一大学（Sapienza University of Rome, Italy），在国际音频顶级会议 ICASSP 2022 上发起的深度3D音频信号处理挑战赛（L3DAS22：Machine Lear…
197 0 0
论文推介：语音合成中基于风格和说话人成分解耦的风格迁移
目前的语音合成系统大多基于单一说话人单一风格语音数据建模，但随着语音合成应用场景的不断扩展，对多风格语音合成的需求越来越大。然而单人多风格数据难以获取，一来成本高，二来不是每个发音人都能完成不同风格的录制。一种最直接的方式是通过语音风格迁移…
178 0 0
腾讯联合北大刷新AISHELL SOTA（附代码开源）
近期，来自北京大学和腾讯AI LAB， ASR oteam的研究人员在主流端到端语音识别系统上进行了两点改进：（1）将LF-MMI准则用于端到端语音识别系统的训练和解码中；（2）使用词级别N-gram模型进行在线解码。集成上述两点的端到端模…
405 0 0
科研快讯 | THUHCSI人机语音交互实验室11篇论文被信号处理领域顶级国际会议ICASSP录用
ICASSP 2022 近日，2022年IEEE音频、语音与信号处理国际会议（2022 IEEE International Conference on Acoustics, Speech, and Signal Processing，IC…
288 0 0
论文推介丨MsEmoTTS—面向高表现力语音合成的多尺度情感迁移、预测和控制
语音合成又称文语转换技术 (Text-to-speech, TTS)，是将文本转换为自然语音的一类技术，是服务于语音交互、信息播报、有声朗读等任务的核心技术。在深度学习的推动下，语音合成的自然度和音质得到了巨大的提升。然而，仅仅合成听起来自…
276 0 0