时空壶 | 招聘语音识别算法工程师（深圳）
时空壶 深圳时空壶技术有限公司创立于2016年，致力于通过人工智能与硬件技术的结合，打造让人类跨越语言障碍的AI翻译产品。 成立6年间，时空壶针对不同场景下的翻译需求，先后上市W3旗舰翻译耳机、M3旅行翻译耳机，以及Zero随身翻等系列产品…
97 0 0
声浪
2022年语音合成（TTS)和语音识别(ASR)年度总结
论文统计每月更新一次，主要跟踪语音合成和语音识别的发展状况。很多文章都是在会议后才发出，但不影响统计。统计过程难免存在疏漏，因此统计结果仅供参考。 所有文章语音合成领域统计列表请访问： http://yqli.tech/page/tts_p…
241 0 0
开源｜业界首个应用落地的非自回归端到端语音识别模型，推理效率可提升10倍
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…
157 0 0
Azure 语音用人工智能改变游戏开发的三种方式
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…
101 0 0
论文分享 | NoreSpeech：基于知识蒸馏的条件扩散模型实现噪声鲁棒的表现力语音合成
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…
132 0 0
魔搭语音更新｜七大模型最新开源，推理速度升级，几行代码可实现微调
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…
908 0 0
语音识别系列之CTC延迟削减
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…
148 0 0
Azure 智能语音发布长文本声音模型，可自动感知上下文
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…
207 0 0
![语音/音频处理学术速递[1.31]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2023-02-01/1620615252297256960.jpg)
语音/音频处理学术速递[1.31]
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…
631 0 0