OmniVoice：极简架构打造顶尖语音克隆 TTS，覆盖超 600 种语言
数秒克隆语音早已不新鲜，但能覆盖600+语种的语音克隆 TTS 模型，今天终于来了！ 此前，音色克隆 TTS 的多语言支持最多停留在几十种语言，低资源小语种始终难以覆盖。小米 AI 实验室新一代 Kaldi 团队重磅推出 OmniVoice…
27 0 0
声浪
新一代 Kaldi发布最新项目合集主页
新一代 Kaldi 是一个项目集合，整个大项目中分成了很多负责不同子功能的小项目，各个小项目都相对独立且有自己的文档系统。为方便开发者使用，新一代 Kaldi 团队开发了一个简单的大项目主页，这个主页不是为了替代各子项目的文档，而是希望它成…
80 0 0
免费开放丨Kaldi语音识别理论与实践课
距Kaldi语音识别理论与实践课上线已经过去了两个月，本课程作为语音识别领域的敲门砖，受到同学们的力荐。鉴于kaldi在行业上越趋普及，但仍有许多AI语音爱好者及小白无法掌握和入门而被劝退，为促进产学研的快速发展，助力AI语音落地，帮助更多…
339 1 0
极速上手新一代 Kaldi 服务端框架 sherpa
文章来源于新一代Kaldi，作者NGK编辑部 本文介绍如何极速（而非快速）上手新一代 Kaldi 服务端框架 sherpa。 无需安装或者下载，你只需一个浏览器，便可以体验新一代 Kaldi 服务端框架 sherpa 为你带来的自动语音识别…
240 0 0
新书《语音识别基本法》正式出版
清华大学国家研究中心语音和语言技术团队撰写的《语音识别基本法》一书由电子工业出版社出版，张景中院士为该书做序。目前，该书已在京东、天猫等各大网站上架销售！ 全书共256页，约30万字，共13章。本书结合当下使用广泛的Kaldi语音平台，对语…
579 5 0
Kaldi的三音子模型训练（源码解析）
单音子模型的假设是一个音素的实际发音与其左右的音素无关。这个假设与实际并不符合。由于单音子模型过于简单，识别结果不能达到最好，因此需要继续优化升级。就此引入多音子的模型。最为熟悉的就是三音子模型，即上下文相关的声学模型。以kaldi的thc…
223 0 0
PyTorch+Kaldi、专注E2E语音识别，腾讯AI Lab开源轻量级语音处理工具包PIKA
PyTorch + Kaldi，腾讯 AI Lab 开源轻量级语音处理工具包 PIKA，专注于端到端语音识别任务。 Kaldi 是一个开源的语音识别系统，由 Daniel Povey 主导开发，在很多语音识别测试和应用中广泛使用。但它依赖大…
224 0 0
Kaldi的解码搜索（源码解析）
构建了HCLG解码图后，解码就是在这个图上寻找一条最优路径。最优路径上去除epsilon后的输出标签序列就是单词级别的识别结果。本篇主要解析kaldi源码实现。 解码 decode.sh 源码解析：
301 0 0
第五届·Kaldi技术交流会成功举办！
于北京时间2020年11月15日，北京希尔贝壳科技有限公司联合中国计算机学会语音对话与听觉专业组、AISHELL基金会、小米科技、昆山杜克大学、西北工业大学音频语音与语言处理研究组、中国科学技术大学共同举办了“第五届Kaldi技术交流会”。…
481 0 0
语音识别基础：（四）前端处理
模型的训练由数据驱动，有些数据是必须要准备的。为了让机器学会将语音转换为文本，首先需要给它提供大量的例子，即语音及其对应的文本，这是原始素材，也最能反映学习目的。这些数据的符号化和结构化则需要一些人类先验知识，包括语言知识和数字信号处理相关…
913 0 0