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…
437 0 0
声浪
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…
317 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…
310 0 0
AI 看唇语，在嘈杂场景的语音识别准确率高达75%
人们通过聆听和观察说话者的嘴唇动作来感知言语。那么，AI 也可以吗？ 事实上，研究表明视觉线索在语言学习中起着关键的作用。相比之下，人工智能语言识别系统主要是建立在音频上。而且需要大量数据来训练，通常需要数万小时的记录。 为了研究视觉效果，…
205 0 0
嘈杂场景语音识别准确率怎么提升？关键时刻还得看唇语！
借助读唇语，人类能够更容易听懂他人的讲话内容，那么AI也能如此吗？ 最近，Meta提出了一种视听版BERT，不仅能读唇语，还能将识别错误率降低75%。效果大概就像如下这样，给一段视频，该模型就能根据人物的口型及语音输出他所说的内容。 而且与…
148 0 0
论文分享 | PortaSpeech: 轻量级、高质量的生成式语音合成模型
本次分享FastSpeech作者任意发表于NeurIPS 2021的另一篇语音合成论文《PortaSpeech: Portable and High-Quality Generative Text-to-Speech》。该论文提出了一个轻量…
700 0 0
陆昱：基于文本和语音的双模态情感分析
分享嘉宾：陆昱博士追一科技 算法工程师 编辑整理：吴祺尧 出品平台：DataFunTalk 导读：今天和大家分享的主题是基于文本和语音的双模态情感分析。大家可能会从自然语言处理的角度认为情感分析已经做得比较成熟了，缺少进一步研究的方向。此外…
245 0 0
有声书：语音合成的重要应用
语音合成（Speech Synthesis）是指赋予机器像人一样开口说话的能力，是实现自然人机交互的重要一环。语音合成除了在语音交互中充当机器嘴巴的能力之外，还在AI有声朗读、障碍语音恢复等任务中具有重要应用。语音合成的应用场景包括语音助手…
79 0 0
论文分享 | VITS: 基于条件变分自编码器和对抗学习的端到端语音合成模型
本次分享ICML 2021会议中一篇语音合成的佳作《Conditional Variational Autoencoder with Adversarial Learning for End-to-End Text-to-Speech》(A…
474 0 0
字节跳动智创语音团队发布高保真、低延迟、高并发的AI歌唱合成技术
字节跳动智能创作语音团队SAMI（Speech, Audio and Music Intelligence）近日上线一项高保真、低延迟、高并发歌唱合成技术。该技术在兼顾保真度和速度上实现了一定的突破：一方面，AI模型可以模拟人类独特的音色、…
78 0 0