phoneme | BriefGPT - AI 论文速递

关键词phoneme

搜索结果 - 8

MM-KWS: 多模态用户定义多语言关键词检测
提出了 MM-KWS，一种新颖的用户定义关键词识别方法，利用文本和语音模板的多模态注册。通过从文本和语音中提取音素、文本和语音嵌入，将这些嵌入与查询语音嵌入进行比较，以检测目标关键词。为了确保 MM-KWS 在多种语言环境下的适用性，利用了
PDF21 days ago
使用基于 Wav2vec2 的口音识别模型探究语音和韵律信息
本研究旨在通过模型探测系统层面地分析自监督学习模型在口音识别任务的微调中音素和韵律信息变化，并比较其在 Phoneme 相关性任务和预测词级韵律任务中的表现，结果表明 AID 微调任务使得自监督模型的前两层学习到了更丰富的音素和韵律表示，并
PDFa year ago
MMSpeech: 面向语音识别的多模态多任务编码器解码器预训练
该论文提出了一种新的多模态多任务编码 - 解码器预训练框架 (MMSpeech), 用于汉语自动语音识别 (ASR), 该框架同时使用了未标注语音和文本数据，其中引入了音素模态来帮助捕捉汉语音频和文本之间的模态不变信息。通过在 AISHEL
PDF2 years ago
无监督口音领域自适应学习不变表示和风险最小化
本文探讨通过将语音表征映射到对应的高级语言信息以学习领域不变的语音表征，结果证明，学习到的 latents 不仅捕捉到每个音素的发音特征，而且提高了适应能力，在 accened 测试基准上大幅优于基准模型。
PDF2 years ago
解决 OOV 问题的发音流水线的优良性
通过使用 ASR 系统的不同组件评估口音并自动评估它们，我们提出了一种解决测试时开放式语音识别系统中的 OOV 问题的 GoP 计算的流水线，并且通过构建三个管道来实现去除 GoP 输出中的 UNK 和 SPN 音素，Online、Offl
PDF2 years ago
PnG BERT：基于音素和字素的增强型 BERT 用于神经语音合成
介绍了 PnG BERT，它是一种新的神经 TTS 编码器模型，使用输入的音素和字素表示以及它们之间的单词级对齐来增强原始的 BERT 模型。该模型可以进行自我监督的大型文本语料库的预训练，并通过 TTS 任务进行微调。实验结果表明，使用
PDF3 years ago
XiaoiceSing: 高质量集成歌声合成系统
该论文介绍了 XiaoiceSing，这是一个高质量的歌唱合成系统，它采用集成网络进行频谱、 F0 和持续时间建模。该系统在保留 FastSpeech 的主要框架的同时提出了一些特定于歌唱的设计，通过多种实验验证该系统表现优异。
PDF4 years ago
NIPS基于 Attention 循环神经网络的端到端连续语音识别：首次结果
本文提出了基于双向循环神经网络编码器和递归神经网络解码器的语音识别方法，使用关注机制对输入与输出序列对齐以较高准确性地识别音素，且在 TIMIT 数据集上与传统的 HMM 方法相当。
PDF10 years ago