speech technology | BriefGPT

关键词speech technology

搜索结果 - 20

GigaSpeech 2：用于低资源语种的演进、大规模、多领域的 ASR 语料库的自动爬取、转写和优化
这篇论文介绍了 GigaSpeech 2，一个为低资源语言设计的大规模、多领域、多语种的语音识别语料库，它不依赖于配对的语音和文本数据。该论文还介绍了一个自动化的数据爬取、转录和标签优化流程，以及通过修改的 Noisy Student Tr
PDF17 days ago
ACL年轻英语学习者语音的错误保留自动语音识别
在这项工作中，我们构建了一个满足条件的自动语音识别系统，用于年轻语言学习者的自由说话并保留他们的错误。
PDFa month ago
口述历史研究的语音技术服务
口述历史是关于历史事件的口头见证人和评论者的口头资料。语音技术是处理这些记录以获得转录和进一步改善口述记述结构的重要工具。本文介绍了 BAS 的转录门户和与语音处理相关的网络服务，LINDAT 开发的语音解决方案，以及使用 Whisper
PDF2 months ago
一个混用了 Sepedi 和英语的自动语音识别系统的评估
本研究评估了塞佩迪语和英语混合的自动语音识别系统，使用 Sepedi 代码切换语料库和 CTC 方法开发的端到端系统。该模型在 NCHLT Sepedi 测试语料库和 Sepedi 代码切换语料库的评估中产生了最低的 WER（41.9%），
PDF4 months ago
一种新的声音真实性方法
声音伪造，驱动主要是最近文本到语音合成技术的进展，对社会提出了重大挑战。我们主张从传统的二元范式即声音是 “真实” 或 “伪造” 进行观念转变，而将重点放在定位 “声音编辑” 上，这包括传统的修改、过滤和剪辑，以及文本到语音合成和语音变换系
PDF5 months ago
通过人偶术模拟前瞻记忆和弹性环境下的沟通
这篇研究论文介绍了在家庭环境中的人机交互场景，涉及到老年人和机器人的互动。研究探讨了为了与社会辅助机器人进行交流而构建记忆的可能性，并通过音乐欣赏活动等日常活动，收集了涉及共享记忆的语音技术和人机交际的失败情况的数据。
PDF8 months ago
关于使用自监督语音表示在自发语音合成中的研究
本研究探讨了自监督学习在 spontaneous TTS 和 MOS 预测中的适用性，并在实验中比较了 6 种不同的 SSL 及每种模型中的不同层次，旨在深入了解 SSL 的应用。
PDFa year ago
Flowchase：一个用于发音练习的移动应用
本文提出一种通过连接语音技术以提供个性化及即时反馈给英语学习者的移动应用 Flowchase，该应用程序能分析语音部分和超音段特征的技术解决方案，并使用基于语音表示学习的机器学习模型进行验证、联合强制排列以及音素识别，从而设计一系列声准和声
PDFa year ago
利用数据增强和 VTLN 减少荷兰语端到端语音识别系统中的偏差
本研究采用速度扰动及谱增强的数据增强技术和 Vocal Tract Length Normalization 技术用于 end-to-end ASR 系统，旨在减少针对不同年龄组和非母语的荷兰语说话者的偏见，减少了平均 WER 和不同的说话
PDFa year ago
STT4SG-350: 一份面向瑞士所有德语方言地区的语音语料库
提供了一份瑞士德语语音的语料库，包含了来自各个方言区的 316 名发言者的 343 小时语音数据，并提供了这些发言者的方言、年龄和性别信息。该语料库适用于自动语音识别、文本到语音、方言识别和说话人识别等应用领域，并提供了训练集、验证集和测试
PDFa year ago
将语音技术扩展至 1000 多种语言
通过基于宗教文本的新数据集和有效利用自监督学习的方法，Massively Multilingual Speech（MMS）项目构建了包括 1406 种语言的预训练 wav2vec 2.0 模型、1107 种语言的单一多语言自动语音识别模型、
PDFa year ago
EMNLP分析声学单词嵌入的表征几何
本研究对英语发音学习到的声学单词嵌入进行了分析，发现学习目标对模型架构的表示特征具有显著的影响。
PDFa year ago
FLEURS: 语音通用表示的少样本学习评估
介绍 FLEURS，这是一个 Few-shot Learning Evaluation of Universal Representations of Speech 基准，包含 102 种语言的 n 方并行语音数据集，可用于自动语音识别 (
PDF2 years ago
VoicePrivacy 2020 挑战赛评估计划
VoicePrivacy Challenge 旨在通过聚集新社区来定义利益任务和评估方法，以及通过一系列挑战来基准测试解决方案，从而促进语音技术的隐私保护工具的发展。本文介绍了 VoicePrivacy 2020 挑战中选择的语音匿名化任务
PDF2 years ago
同时建模语音识别和合成：将词汇和亚词汇语义信息编码和解码为语音，无需直接访问语音数据
本文旨在研究如何从原始语音中自动生成词汇语义信息，并将其应用于无人监督的语音技术和语义建模领域。作者建立了包含生产和感知原则的深度卷积神经网络，通过自动编码和分类技术实现词汇语义信息自动解码。研究结果表明该网络能够从原始语音数据中学习到独特
PDF2 years ago
LeBenchmark: 一个可复现的框架，用于评估自监督语音表示学习
该论文提出 LeBenchmark，这是一个可重复的框架，用于评估自监督学习从语音到 ASR、语言理解、语音翻译和情感识别的影响，重点关注法语中的语音技术，通过实验表明，SSL 对大多数语音任务都是有益的，但不是所有任务都是。
PDF3 years ago
Common Voice: 一個大規模多語言語音語料庫
Common Voice 是一个为语音技术研究和开发设计的大型多语言转录音频资源，采用众包方式进行数据收集和验证，目前包括 29 种语言，收集了超过 2500 小时的音频数据，实现了多语言端到端的自动语音识别。
PDF5 years ago
MCE 2018: 第一届多目标说话人检测和识别挑战评估计划、数据集和基线系统
该研究旨在评估当前语音技术在确定一条录制的话语是否由许多 “黑名单” 发言者之一说出方面的能力，其数据来源于客服中心客户 - 代理商对话，并且任务是根据来自非黑名单和黑名单发言者的训练和开发数据池，测量出 1）一个测试记录是否由黑名单发言者
PDF6 years ago
零资源语言中基于子词建模的多语言瓶颈特征
本文基于无监督学习的方法，通过使用多语言瓶颈特征加速语音技术的开发，旨在从语音的子单位建模中提高识别准确率，并使用诊断类自编码器技术进一步提高多语言语音识别系统的性能。
PDF6 years ago
计算语言学文档实验用的极低资源语音语料库
这篇论文介绍了一个收集自非洲 Bantu C25 语族中的一种语言 Mboshi 的语音语料库，在几乎零的资源条件下构建了该语料库，并利用其中的数据完成了口语术语发现。该论文讨论了如何收集，清理和处理数据，并将该数据集提供给社区进行可重现的
PDF7 years ago