self-supervised representations | BriefGPT

关键词self-supervised representations

搜索结果 - 12

自监督模型与人类中的演讲者身份编码评估
自我监督表示与声音识别中的说话人身份有关，并能更好地理解强大网络中不同层次的声学信息表示，通过评估声学、语音、韵律和语言变体之间的说话人识别准确性，对比模型和人类的编码空间相似性，旨在挑战距离度量作为说话人接近程度的代理，并展示某些模型能够
PDF20 days ago
检测法国电视和广播节目中口语互动中话语转换边界的方法
在自发交谈中，转换相关区域被定义为话语末尾，互动者可以在不打断当前说话者的情况下接过话语的地方，研究话语末尾性对于探索转换控制的动态非常有用。本文提出了一种自动分类多说话者环境中所述话语为终结式或非终结式的方法。我们在一个法语语料库的广播电
PDF20 days ago
通过互信息的变分下界理解探针行为
自监督表示、线性探测、信息论、互信息、线性可分表示
PDF7 months ago
基于离散单元的风格转换的语音到语音翻译
直接语音到语音翻译（S2ST）结合了离散的自监督表示，取得了显著的准确性，但无法在翻译过程中保留源语音的说话人音色。我们提出了一个基于自监督模型的离散单元和神经编解码器的 S2ST 框架，用于样式转换。声学语言模型利用自监督的上下文学习，获
PDF10 months ago
基于 Utterance 级别音频对齐距离的无监督语音可理解性评估与 Wav2Vec-2.0 表示法的应用
本研究提出一种基于无监督方法的自动语音可懂度检测技术，使用 Wav2Vec-2.0 的自监督表示，考虑使用使用动态时间规整算法（DTW）计算对齐距离来区分可懂语音和不可懂语音。通过验证，该方法的检测准确率分别为 90.37％、92.57％和
PDFa year ago
仅使用最近邻实现语音转换
本文提出了一种基于 k 邻近算法的任意声音转换方法（kNN-VC），并通过客观及主观评估显示其声音相似度较高，同时具有与现有方法相当的可理解性分数，可用于音频合成。
PDFa year ago
自监督语音模型在北萨米方言识别中的应用
本研究通过特征提取和自监督表示法，成功区分处理了北萨米语的四个方言变体，并发现了主流语言对方言的影响。
PDFa year ago
自监督语音表示中的手机和扬声器空间组织
本文分析了几种最先进的自监督语音表示中的电话和说话者信息的空间组织，并使用表示相似性分析测量不同层如何编码基本声学参数，例如共振峰和音高，进一步使用非参数统计测试研究每个表示在电话或说话者类别上进行聚集的程度，结果表明，模型根据预训练时使用
PDFa year ago
自监督表示在口语建模中的鲁棒性
本文探讨了基于自监督学习的语音表征模型的鲁棒性问题，提出了一种基于伪标注技术的有效学习自监督语音表征的方法，该方法可显著提高语音编码的效果，并在语音翻译任务中得到了验证。
PDF2 years ago
自监督语音表示保留语音特征同时实现匿名化
本文旨在研究如何使用基于自监督语音表征的语音转换模型匿名处理声音数据，结果表明用这种方法匿名化处理的语音可以维持原始语音低的误识别率，但对于说话人验证存在性能下降的问题。此外，本文的研究还能以匿名的方式提取出健康语言和病理语言之间的区别语音
PDF2 years ago
ICLR学习弱监督对比表示
本文提出了一种二阶段的弱监督对比学习方法，第一阶段根据辅助信息对数据进行聚类，第二阶段在同一簇中学习相似的表征和不同簇的数据的不相似的表征。通过实验表明，与传统的自监督表示相比，辅助信息注入表示使性能更接近于监督表示。同时，本方法在与其他基
PDF2 years ago
视频中无意行为预测
研究使用自监督表示和基于视频固有速度的方法来识别无意图动作，并与人类一致性进行比较，发现机器和人类的表现存在巨大差距。
PDF5 years ago