Dec, 2023

基于 IR-UWB 雷达的非接触静默语音识别：元音、辅音、单词和短语

PDF
TL;DR使用脉冲无线超宽带雷达实现了无接触静默语音识别，并提出了一种针对脉冲无线超宽带雷达的语音特征提取算法和分类算法，首次实现了无接触雷达的音素级静默语音识别。
silent speech recognitionimpulse radio ultra-wideband radarspeech feature extractionclassification algorithmscontactless radar
发现论文，激发创造
  • Radio2Text: 使用 mmWave 无线电信号的流式语音识别

    本文提出了 Radio2Text，这是第一个基于毫米波的流式自动语音识别系统，具有超过 13,000 个词汇大小的识别能力。Radio2Text 基于定制的流式 Transformer，有效地学习了与语音相关的特征表示，为具有大词汇量的流式自动语音识别铺平了道路。实验结果表明，Radio2Text 能够对由超过 13,000 个词汇组成的输入实现 5.7% 的字符错误率和 9.4% 的词错误率。

    Aug, 2023

  • 基于跨模态方法的无声语音的 LLM 增强识别

    通过引入交叉模态对齐和监督时序对比的新型损失函数，我们提出了 Multimodal Orofacial Neural Audio (MONA) 系统，该系统为无声语音交流提供了一种非侵入性替代脑机接口。此工作代表了首次实现在开放词汇量下低于 15％的错误率的非侵入静默语音识别，不仅缩小了无声和发声语音之间的性能差距，还在噪声和数据受限制的情况下展示了交叉模态方法的潜力。

    Mar, 2024

  • 面向说话人识别系统的实时、通用和强鲁棒对抗攻击

    本文提出了第一种实时、通用且强健的对抗攻击方案，能通过在任意用户的语音输入上添加通用扰动，在线进行万能识别。同时，利用房间脉冲响应 (RIR) 对声音失真进行建模，提高攻击的鲁棒性。在公共数据集上的实验表明，这种攻击的成功率高达 90% 以上，并且攻击速度比当代非通用攻击快 100 倍。

    Mar, 2020

  • Transsion TSUP 的语音识别系统用于 ASRU 2023 MADASR 挑战

    该研究提出了一种语音识别系统，专门用于适应资源有限的印度语言，采用 ASR 模型和 KenLM 语言模型，取得了较低的错误率。

    Jul, 2023

  • 基于知识蒸馏的肌电静默语音界面的集成模型

    声音障碍影响着全球数百万人。本研究提出了一个基于轻量级深度学习知识蒸馏集成模型的表面肌电图静默语音接口（KDE-SSI），并对其进行了广泛实验证实了其有效性，获得了 85.9% 的测试准确率。研究结果还为便携、实用设备的端到端系统提供了启示。

    Aug, 2023

  • 无监督语音识别理论

    本文提出了一个通用的理论框架，用于通过随机矩阵理论和神经切向核理论研究 ASR-U 系统的属性和解决超参数敏感性和训练不稳定等问题，并通过三类转换图上的合成语言的 ASR-U 实验提供强有力的理论依据。

    Jun, 2023

  • 基于空间变换网络的舌头超声无声语音界面适应性

    利用深度学习算法从口腔运动数据中合成出可理解的语音，但相关模型区分度较高，对不同用户快速切换不便。该论文中利用空间变换网络（STN）模块扩展深度网络提高使用噪声下的语音接口模型的适应性，该方法有效降低了标准误差并提高了同一发言者不同录音周期的性能。

    May, 2023

  • 利用人工神经网络识别持续孟加拉语言中的说话者划分

    通过应用连续的孟加拉语音，我们提出了一种方法来确定某个地区说话者的地理身份，使用了 Mel 频率倒谱系数（MFCC）和 Delta 特征在人工神经网络上对说话者进行分类，并在特征提取之前对原始音频进行了一些预处理任务。我们的数据集包括 633 个男性和女性说话者的超过 45 小时的音频数据，并获得了 85.44% 的最高准确率。

    Apr, 2024

  • 远场语音识别的神经盲分离和发言者划分

    本文提出了一种神经方法，用于远程语音识别（DSR），它能够在没有隔离信号的监督情况下，同时分离和解麦克风混合的语音，并没有未知数量的活跃说话者。

    Jun, 2024

  • 儿童语音的原始超声图像自动分级分类

    自动检测语音障碍的提升方法：利用超声舌头成像技术结合深度学习模型，在语音障碍的分类中取得了显著的改善结果，并有助于提高语音治疗诊所中的超声舌头成像分类的效率。

    Feb, 2024