Aug, 2017

使用深度卷积循环神经网络进行语言识别

PDF
TL;DR该论文提出了基于图像领域解决 LID 问题的模型，使用了混合的卷积循环神经网络技术对提供的音频片段的频谱图像进行分析，并在广泛的实验中证明了模型的应用性，能够轻松地扩展到以前未知的语言，同时保持其分类准确性。
发现论文，激发创造
  • 使用 ConvNets 进行口语语言识别

    该研究论文研究了语言识别的问题，使用了基于注意力机制和神经网络的方法，使用频谱图像作为输入以及原始波形作为特征，对六种语言进行了分类，获得了高精度的结果。

    Oct, 2019

  • 流式端到端多语言语音识别与联合语言识别

    本文提出了一种改进的循环神经网络转录模型，通过集成一个帧级语言识别器预测器实现语言识别，以实现流式语音识别，通过流式实现统计汇聚，降低测试时成本，在语音搜索数据集上进行实验，平均命中率达到 96.2%。

    Sep, 2022

  • 基于机器学习的印度口语识别概述

    本文综合评述了印度口语识别领域的研究现状及其面临的独特挑战，探讨了可用的语音语料库、已有的研究成果和未来的研究方向，有助于了解该领域现状和发展趋势。

    Nov, 2022

  • 基于深度学习的音频信号频谱图的多类语言识别

    本文介绍了一种使用卷积神经网络来进行语言识别的技术，即语音频谱的语言识别（LIFAS），它利用由音频信号产生的频谱图作为输入，对语言进行分类识别，达到了 97 删格的二进制语言分类精度和 89% 的六种语言的多类分类精度。

    May, 2019

  • 利用频谱增强技术进行混合语言口语识别

    本研究针对印度语境下多种语言混杂的情况，对在语音处理中较为基础的语种识别系统 LID 进行优化，提出基于语种掩蔽和光谱增强的方法，在微软研究团队提出的挑战任务中相对基线系统进行了 3-5% 的 LID 准确度改进。

    Oct, 2020

  • 语言识别的开放数据集和模型

    该研究提出了一种基于单语数据训练的语言识别模型，其在 201 种语言上的宏平均 F1 得分为 0.93，而误报率为 0.033，将先前工作的表现远远超过。我们对数据集进行了精心筛选，通过手动审核每个来源和每种语言的样本来确保其可靠性。模型和数据集都向研究界公开，并详细分析了模型的性能。

    May, 2023

  • BERT-LID: 利用 BERT 提升口语语言识别

    我们提出了一种基于 BERT 的语言识别系统，通过提取从前端语音识别器导出的语音学后向图（PPG）作为输入，可以提高较短语音段的语言识别表现，该模型可以提高长语音段识别的基准准确率约 6.5％，提高短语音段识别的基准准确率约 19.9％，表明 BERT-LID 在语言识别方面是有效的。

    Mar, 2022

  • 多语言 CapsNet 模型的细粒度语言识别

    本文提出了一种实时语音检测方法，采用 Capsule Networks 架构，能以高达 91.8％的准确率检测出 5 秒音频片段中的口语语言，数据要求和预处理工作较少。

    Jul, 2020

  • AfroLID: 非洲语言的神经语言识别工具

    介绍了 AfroLID，一种对 517 种非洲语言进行语言识别的神经工具包，它利用了跨足 14 个语言家族和 5 个拼写系统的多域 Web 数据集，取得了 95.89 的 F1 分数，并在 Twitter 领域得到了验证。

    Oct, 2022

  • 利用时延神经网络进行自动语音语言识别

    本研究构建并训练了一种基于自动语音识别技术的语言识别系统，可自动识别阿拉伯语、西班牙语、法语和土耳其语，并通过投票方式进行预测，准确率很高。

    May, 2022