人工智能的新业务（以及与传统软件的区别）
译者按：作者Martin Casado是软件定义网络（SDN）之父，2016年4月从从VMware离职加盟了著名的风险投资公司Andreessen Horowitz成为合伙人到现在。由于作者是工业界技术大牛，所以他的见解不随波逐流，且和笔者…
543 64 0
声浪
语音合成论文优选：多模态Text2Video: Text-driven Talking-head Video Synthesis
本文是Baidu Research, USA在2021.04.29更新的文章，主要工作为多模态的talking-head,把text转成video 具体的文章链接： https://arxiv.org/pdf/2104.14631.pdf…
430 15 0
傅里叶变换取代Transformer自注意力层，谷歌这项研究GPU上快7倍、TPU上快2倍
来自谷歌的研究团队表明，将傅里叶变换取代 transformer 自监督子层，可以在 GLUE 基准测试中实现 92% 的准确率，在 GPU 上的训练时间快 7 倍，在 TPU 上的训练时间快 2 倍。 Transformer 自 2017…
592 71 0
TensorFlow 助力：AI 语音降噪打造 QQ 音视频通话新体验
腾讯 QQ，8 亿人都在使用的即时通信软件，大量用户使用它进行免费视频、音频通话。用户在进行音频通话时可能处于各种场景，嘈杂的背景声音对通话产生干扰，高质量的音频降噪能够有效提升用户通话体验。 QQ 团队基于开源 TensorFlow 机器…
664 22 0
一分钟，AI分离歌曲的人声、伴奏和乐器声
对于提取伴奏，消除人声，相信从事AI语音行业的朋友对这个不会陌生，各类软件也是层出不穷，今天就跟大家分享一个高效快捷的人声伴奏分离的网站——团子 DanGo.ai。操作简单，直接在网面上传歌曲，40秒左右即可拿到背景音乐和人声。 网址：ht…
642 71 0
WeNet 更新：支持语言模型
近日，WeNet 中增加了对语言模型(Language Model, LM)的支持。WeNet中选择基于 n-gram 的统计语言模型，结合WFST(Weighted Finite State Transducer)框架和传统语音识别解码技…
720 18 0
如何监控实时语音的质量？
在业界，实时音视频的 QoE（Quality of Experience） 方法一直都是个重要的话题。之所以这么重要，其实是因为目前 RTE（实时互动）行业中还没有一个很好的可用于评价实时互动场景的 QoE 评价方法。 最古老的评定实时音频…
388 34 0
开源音频编辑器Audacity被Muse Group正式收购
著名的开源录音编辑软件 Audacity 已被新成立的 Muse Group 公司收购，具体交易价格并未透露，好消息是 Audacity 仍将是免费和开源的。 Audacity 是最受欢迎的免费跨平台的开源音频编辑器之一。它可以在 Wind…
473 68 0
华为云中文预训练模型发布：全球最大、千亿参数，逼近人类神经元
4月25日，余承东在华为开发者大会2021上（HDC.Cloud），发布盘古系列超大规模预训练模型，包括30亿参数的全球最大视觉（CV）预训练模型，以及与循环智能、鹏城实验室联合开发的千亿参数、40TB训练数据的全球最大中文语言（NLP）预…
614 24 0
WeNet 更新：支持 Endpoint 检测
Endpoint 检测是语音识别系统的重要组成部分，可以提高人机交互的效能和质量。它的任务是确定用户何时结束讲话，这对于实时长语音转写和语音搜索等交互式语音应用非常重要。 最近，WeNet 的更新则支持了 endpoint 的检测。有了 e…
614 98 0