声浪
请问现在工业上用传统的技术多还是端到端的技术多啊?
目前来说这两种都有。但是现在有一种趋势，这种趋势大致是从去年开始的，就是从传统的混合框架迁移到端到端的框架上面去。有一些公司研究的比较快或者说技术迭代的比较快，已经完成迁移了；有一些公司还在验证或者说迁移的过程中，可能再过一两年基本上大部分…
74 0 0
目前WeNet的时间戳方案不太准确（一是静音的判断不准确，二是字与字的时间戳是连着的，无论中间静音有多大），请问有什么方案可以提高时间戳的准确度吗？
时间戳是根据CTC判断，本身CTC在这方面有一定的滞后性或者漂移，这个是导致时间戳不准确的一个原因。在后处理时，初版WeNet考虑到字与字之间的时间戳是连着的这样的问题，在最新版的WeNet已经修正合并到master的分支中。
77 0 0
热词增强和热词唤醒在实现上的区别是什么？
热词唤醒即为Hot Word或者Wake-up Word，是一个轻量级的关键词检测，通常部署在端侧的设备上，如音响、手机等。它占用资源很小，网络规模一般在几十k到几百k。 而热词增强是语音识别中的一项技术，它对一些特定场景中特定名词做实时的…
65 0 0
WeNet有什么独特的地方吗？比如流识别方面。
WeNet里制作、使用了比U2更优化的U2++算法解决流式的问题。具体思想是做两次识别，第一遍利用CTC的结果，第二遍利用Attention Decoder做rescoring，整体实现模型架构上的流式。 Conformer、Transfo…
49 0 0
当前最新的比较好的算法好像也就是 conformer了，还有比这更好的吗，如果找不到更好的算法，应该从哪些方面来优化预训练模型呢?
Conformer可以认为是Transformer的一个变种，Transformer在全局建模方面有比较好的性能。因为语音识别模型的性能不能只关注WER，还需要关注模型的大小和延迟，如果想要优化模型也可以从这两方面入手，因为对于模型的落地化…
51 0 0
端到端模型对于领域文本优化有什么方案可以在实际应用中使用的？
可以使用领域的语言模型，比如在语音相关的场景可以使用语音识别的文本统计一个语言模型，在识别过程中对语言模型的内容进行增强。热词也可以一定程度上作为解决该问题的补充。
59 0 0
如果想充分理解一个预训练模型的算法，比如aishell预训练模型，应该从哪入手？
如果是想去研究模型结构以及模型的训练，那么可以把WeNet的recipe跑通，然后再明确每一个脚本的输入、输出、模型结构。也可以尝试调参，观察模型的收敛效果，或者模型损失的下降速度会不会更快。 如果是想去研究一下Runtime的话，这门课（…
50 0 0
![语音/音频处理学术速递[7.11]](https://api.speechhome.com/Resources/Thumb/2022-07-12/1546691816525533184.jpg)
语音/音频处理学术速递[7.11]
今天跟大家分享一篇语音相关的论文合集：cs.SD语音8篇，eess.AS音频处理8篇。 cs.SD语音 【1】 A Multi-tasking Model of Speaker-Keyword Classification for Keep…
14 0 0
论文分享丨智能语音信息处理团队15篇论文被语音技术顶会Interspeech 2022接收
近日，Interspeech 2022会议发出了审稿结果通知，语音及语言信息处理国家工程研究中心智能语音信息处理团队共15篇论文被会议接收，论文方向涵盖语音识别、语音合成、话者识别、语音增强、情感识别、声音事件检测等，各接收论文简介见后文。…
26 0 0