Oct, 2022

基于数据驱动的噪声自适应话语生成与语言修改的研究

PDF
TL;DR该研究通过进行语音知觉实验，提出了一种针对嘈杂环境下语音生成的优化方法，提出基于可听度的复述排序模型，相对提高了 31.37% 的性能表现，从而在 SNR-5dB 下提高了 33% 的可懂度。
spoken dialog systemsintelligibilityspeech synthesislanguage generationparaphrase ranking model
发现论文，激发创造
  • 提升机器人口音适应能力：消除含糊不清的说话

    在不同环境和语境下，研究了人与机器人之间的口语交流并提出了自适应语音的模型，研究表明，良好的声学质量与可理解性和用户体验正相关，而距离远、分散背景声音会降低可理解性和用户满意度。经过评估表明，自适应声音参数相比固定声音参数具有更好的可理解性和用户体验。

    May, 2024

  • 通过改写实现强大的口语理解

    本论文提出了一种新颖的基于改写的 SLU 模型，结合 RNN 和序列到序列的神经网络提出了两个改写生成器，并证明了模型对罕见和复杂的改写话语具有鲁棒性。

    Sep, 2018

  • 使用释义生成和实体提取的数据增强方法以用于多模态对话系统

    研究了应用数据增强和改进 NLU 模型对于在基于游戏学习场景中帮助儿童学习数学基本概念的多模式对话系统的有效性，得到了使用小型数据集进行 MITL 策略下的改写的良好表现。

    May, 2022

  • 利用释义生成快速启动对话系统

    该研究提出了一种基于改写生成的方法，可以减少创建新对话代理所需要的时间和成本，同时提高其性能，使其能够实际与真实用户进行交互。实验证明该方法提高了意图分类模型的泛化能力，有助于在组织范围内规模化部署这项技术。

    Apr, 2022

  • 缓解问题回答中的噪声输入

    通过在 500,000 个有噪声的句子的合成语料库中训练，并在多个语料库中进行评估，研究和减轻来自自动语音识别系统的噪声对几个问题回答任务的影响，并利用模型的置信度集成和对未知单词进行强制解码，从而提高了下游神经网络 QA 系统的准确性。

    Aug, 2019

  • 基于中间 ASR 特征和人类记忆模型的面向听障用户的非侵入式语音可懂度预测

    利用神经网络和先前训练的自监督和弱监督模型的中间层特征表示，结合人类记忆的示例驱动型心理模型，预测助听器用户的人类可懂度评级，并在不同任务和训练数据中的普通听众中找到相较于基础系统 28.7 的均方根误差 25.3 的显着性能提升。

    Jan, 2024

  • 面向任务对话的语言理解鲁棒性测试

    本研究针对自然语言理解模型在实际对话系统的应用中容易出现的波动和变化问题，提出了一种模型无关的工具箱 LAUG，涵盖语言变体，语音特性和噪声扰动三个方面的四种数据增强方法，揭示了现有模型中的严重鲁棒性问题，提供了一种使用 LAUG 生成的增强数据集来促进语言理解测试鲁棒性的方法。

    Dec, 2020

  • 实时小波算法优化提高语音可懂度

    使用离散小波变换分频，不同的增益被应用到分频信号中以提高语音可懂度，可用于实时语音处理和比之前算法要简单得多

    Feb, 2022

  • 鲁棒且不可察觉的音频对抗例子的综合算法

    音频对抗样本指对自动语音识别系统进行欺骗的音频文件，既能愚弄自动语音识别系统又能在人类听众中听起来正常。本文介绍了一种集成算法，在生成步骤中使用了心理声学模型和房间脉冲响应。我们通过三个实验比较不同方法的效果，包括在模拟环境和真实无线环境中评估鲁棒性，以及在人类研究中评估可感知性。我们的算法在考虑心理声学效果或结合鲁棒性时，信噪比和人类感知研究都有所改善，但错误率有所增加。

    Oct, 2023

  • 强化学习自适应语音增强至瞬时输入信号质量

    本文通过强化学习控制噪声抑制算法参数，从而提升算法的鲁棒性和整体性能，实验结果显示相较于无适应性的算法有着显著的 42% 和 16% 的输出 SNR 和 MSE 改进。

    Nov, 2017