BriefGPT.xyz
大模型
Ask
alpha
关键词
zero resource speech challenge
搜索结果 - 5
自我监督的语言学习:从零语音资源挑战中的经验教训
通过 Zero Resource Speech Challenge 系列自 2015 年以来的六个版本的总结,讨论了自我监督或无监督机器学习的最新进展,并重点介绍了声学单元发现,口语术语发现,离散重构和口语语言建模四项任务的相关度量标准和基
→
PDF
2 years ago
口语建模需要离散单元吗?
本文研究了在语音语言建模中,离散与连续表示的作用,结论表明离散化具有重要作用,并在 HuBERT 特征上训练了语言模型,在 Zero Resource Speech Challenge 2021 中实现了最新的语言词汇、句法和语义方面的最佳
→
PDF
2 years ago
零资源语音挑战 2020: 发现离散的子词和单词单元
通过 Zero Resource Speech Challenge 比赛,发现无标签的原始音频信号中的语音表示,主要包括发现低比特率的子词表示,以优化语音合成的质量;和发现未经分割的原始语音中的类似单词的单位。
PDF
4 years ago
零资源语音挑战赛 2019: 无 T 的 TTS
本文介绍了 2019 年零资源语音挑战赛,该赛事要求在没有文本或音标的情况下构建语音合成器,提供了一个目标语音的原始音频,但没有文本或标签。参赛者必须以无监督的方式发现子单元,并以最佳方式将其与声音记录对齐,以便从新的演讲者中综合出类似目标
→
PDF
5 years ago
零资源语音挑战赛 2017
本文介绍了一项新挑战,旨在从原始语音中发现子词和单词单位。该挑战旨在构建跨语言的系统,并适应新的讲话者,介绍了挑战的设计特点和评价指标,并讨论了十七个模型的结果。
PDF
7 years ago
Prev
Next