speech signal | BriefGPT - AI 论文速递

关键词speech signal

搜索结果 - 12

ACL以声音为基础的树生成：评估端到端语音依存句法分析策略
直接依赖语音信号的句法分析被提出作为一种任务，该任务旨在将韵律信息纳入分析系统并绕过使用自动语音识别系统和句法分析器的管道方法的局限性。本文报告了一系列实验，旨在评估两种句法分析范式（基于图的分析和基于序列标注的分析）在语音分析中的性能。我
PDF18 days ago
REWIND 数据集：在野外多模态肢体运动信号中进行隐私保护的说话状态分割
从视频、身体加速度以及身体姿态跟踪三方面预测由音频提取的 20Hz 二进制说话状态信号，为说话状态检测方法的广泛评估提供了必需的信号和基准。
PDF4 months ago
基于概率的语音驱动三维面部动作合成：新的基准、方法和应用
从语音信号中为 3D 面部几何动画创建概率模型的研究，通过大规模数据集和合适的评估指标，展示了多样性和准确性，可生成适应未知说话者风格的 3D 面部运动，并改进下游的视听模型表现。
PDF7 months ago
通过生成的音频实现音频视觉视频到语音合成
使用视频和音频输入进行视频转语音合成的研究，通过使用预训练的视频转语音模型来合成缺失的语音信号，并训练一个音频 - 视觉 - 语音合成模型，通过同时使用静默视频和合成的语音输入来预测最终的重建语音。实验结果表明，在以原始波形和 mel 频谱
PDFa year ago
深度说话人嵌入架构中的残差信息
本文介绍了针对六个最新高性能的 DNN 体系结构提取出的演讲者嵌入的分析，重点关注它们能够从语音信号中真正区分讲话者身份的程度。结果表明，这些嵌入的区分能力非常高，但在所有已分析的体系结构中，残余信息仍呈现为与录音条件、语言内容和话语持续时
PDFa year ago
基于深度学习的情感识别数据增强技术比较研究
本文对情感识别中的流行深度学习方法进行了全面评估，发现语音信号中的长距离依赖对情感识别至关重要，而速率变换是获得最稳健性能提升的最佳数据扩增技术之一。
PDF2 years ago
LibriS2S: 一份德英语音到语音翻译语料库
该研究找出了语音到语音翻译领域所面临的主要限制是缺乏合适的培训数据。为了解决这个问题，研究人员创建了一个公开可用的语音到语音训练语料库 ——LibriS2S。基于这个语料库，提出了基于 FastSpeech 2 模型的新文本到语音模型，以及
PDF2 years ago
无配对训练数据语音命名实体识别端到端模型
本文提出了一种基于外部模型训练的新型端到端神经模型，用于提取语音信号中的语义信息，并使用 SLU 神经模块替换 ASR 模型的顶层，实现端到端模型的构建。实验结果表明，此方法在 QUAERO 语料库上具有很高的性能。
PDF2 years ago
数据增强在时域中对比学习语音表示
本文提出数据增强方法 WavAugment，对于改进基于 Contrastive Predictive Coding 算法的语音信号表示学习具有显著的增强效果，其中使用的时间域数据增强方法包括音高调整，加性噪声和混响。此外，时间域数据增强还
PDF4 years ago
ICLR从推断到生成：端到端完全自监督的人脸语音生成
本研究提出了一种多模态学习框架，利用近期发展的 GAN 技术，从声音波形中直接生成自然人脸图像分布，同时分析网络是否能够自然地分离生成人脸图像的两个潜在因素，并探索网络是否能够通过建模这些因素来生成自然的人脸图像分布。
PDF4 years ago
使用关注力的无监督语音词语切分
这篇研究是对注意力词分割的首次尝试，通过从语音信号中直接进行词分割，最终目标是在低资源的口头语言中自动识别词汇单位。该方法假定在 UL 语言中的记录与资源充足的语言中的翻译相配对。使用声学单元发现（AUD）将语音转换为伪音段序列，然后使用神
PDF6 years ago
对抗式师生学习在无监督域适应中的应用
本文提出采用对抗方式的教师 - 学生学习方法，以解决语音信号在目标领域里的可靠性问题，能够学习各种条件下的非监督领域适应，并抑制多种因素导致的条件变异，达到了比较好的词错误率改进效果。
PDF6 years ago