speech encoder | BriefGPT - AI 论文速递

关键词speech encoder

搜索结果 - 7

使用声学单元的直接文本转语音翻译系统
本研究提出了一种使用离散声学单元的直接文本到语音翻译系统，该系统能够将不同源语言的文本作为输入，生成目标语言的语音，无需该语言的文本转录。通过使用语音编码器与聚类算法相结合来提取声学单元，利用先前工作中在直接语音到语音翻译系统中成功运用的声
PDF9 months ago
L1-Aware 多语种发音错误检测框架
本文介绍了一种新颖的多语言 MDD 结构 L1-MultiMDD，它具有 L1 感知的语音表示，并使用端到端语音编码器对输入信号及其对应的参考音素序列进行训练。实验结果表明，该 L1-MultiMDD 框架在目标语言（包括英语、阿拉伯语和普
PDF9 months ago
基于 Sentence Embedder 引导的语句编码器 (SEGUE) 用于口语语言理解
本研究采用知识蒸馏的方式，将文本句子嵌入器直接转移到 wav2vec 2.0，以预训练 SLU 编码器。结果表明，使用配对的音频 - 文本数据集进行预训练可以提高 SLU 任务性能，但在某些任务上表现不佳。
PDFa year ago
使用自监督预训练和数据增强增强的直接语音翻译
本文讨论了直接语音到语音翻译模型面临的数据稀缺性问题，探索了自监督预训练和数据增强技术来解决此问题，实验表明自监督预训练可以提高模型性能，结合数据增强技术可以进一步提高模型性能。
PDF2 years ago
Wav2vec-C: 一种用于语音表征学习的自监督模型
Wav2vec-C 是一种结合语音编码和自监督学习的新的表示学习技术，训练模型在未标记数据和标记数据上表现都很好。
PDF3 years ago
Cotatron: 无需并行数据的基于转录的语音编码器实现任意 - 多语音转换
本文提出了一种基于音素后验概率的 Cotatron 语音编码器，其可以使用常规的 TTS 数据集进行训练，通过使用该编码器，我们的系统可以转换未曾见过的说话人的语音，并实现自动转录。
PDF4 years ago
多任务自监督学习用于鲁棒语音识别
本文介绍 PASE+，未标注音频表示学习的无偏见语音编码器的改进版本，使用在线语音失真模块，改进编码器和自监督方法，用于在嘈杂和混响的环境中进行鲁棒语音识别。在 TIMIT，DIRHA 和 CHiME-5 上的结果表明，PASE + 明显优
PDF4 years ago