一文速览INTERSPEECH 2024 | 研讨会、挑战赛、论文及参会提示
论文亮点发布首个公开的普通话口吃语音数据集AS-70,也是同类数据集中最大的一个;建立了口吃语音识别和口吃事件检测的新基准。论文简介过去二十年来语音技术突飞猛进,在流利语音的自动语音识别(ASR)任务中取得了接近人类的水平。然而,当这些模型应用于非典型语音(如口吃)时,其效果却大打折扣。本文介绍的AS...
又一篇,奇富科技智能语音团队论文登上国际顶会INTERSPEECH 2024
TechWeb7月10日消息,奇富科技智能语音团队论文《Qifusion-Net:基于特征融合的流式/非流式端到端语音识别框架》(Qifusion-Net:Layer-adaptedStream/Non-streamModelforEnd-to-EndMulti-AccentSpeechRecognition)被全球语音与声学顶级会议INTERSPEECH2024收录。这是继去年奇富科技团队《Eden-TTS:一种简...
奇富科技:方言技术新进展,语音识别准确率超 93%
奇富科技发布方言技术新进展日前,奇富科技的智能语音团队论文《Qifusion-Net:基于特征融合的流式/非流式端到端语音识别框架》被全球语音与声学顶级会议INTERSPEECH2024收录。同时,奇富科技官宣全自研Qifusion框架模型情况,其在复杂通话环境中,语音识别综合准确率达93%以上,意图识别准确率超95%。该框...
方言技术新进展 奇富科技论文再登国际顶会INTERSPEECH
近日,奇富科技智能语音团队论文《Qifusion-Net:基于特征融合的流式/非流式端到端语音识别框架》(Qifusion-Net:Layer-adaptedStream/Non-streamModelforEnd-to-EndMulti-AccentSpeechRecognition)被全球语音与声学顶级会议INTERSPEECH2024收录。这是继去年《Eden-TTS:一种简单高效的非自回归“端到端可微分”神...
阿里通义开源音频语言模型 Qwen2-Audio,相关论文入选顶会 ACL 2024
Qwen2-Audio是一款大型音频语言模型(LargeAudio-LanguageModel,LALM),具备语音聊天和音频分析两种使用模式,前者是指用户可以用语音向模型发出指令,模型无需自动语音识别(ASR)模块就可理解用户输入;后者是指模型能够根据用户指令分析音频信息,包括人类声音、自然声音、音乐或者多种信号混杂的音频。Qwen2-Audio能够自...
论文数据|19个快速找到论文数据的网站
专注于互联网综合数据交易,提供数据交易、处理和数据API服务,包含语音识别、医疗健康、交通地理、电子商务、社交网络、图像识别等方面的数据(www.e993.com)2024年10月17日。三、网络指数11.百度指数:httpindex.baidu/大家都很熟悉的指数查询平台,可以根据指数的变化查看某个主题在各个时间段受关注的情况,进行趋势分析、舆情预测有很好...
黄仁勋对话Transformer论文的七位作者,都说了啥?
俗话说“吃水不忘挖井人”,黄仁勋这次把这篇论文的七位作者(NikiParmar因家有急事未能到场参会)都邀请到了现场,在此之前,他们从未以这样的形式出现在同一场合解读Transformer。值得一提的是,到场的七位嘉宾中,除了LukaszKaiser在OpenAI担任工程师,其他人都在创业。
科研大模型来了!专为大学生打造,无需额外提示词,支持论文推荐/...
基于大象机器人Mycobot280Pi六轴协作机械臂,通过语音识别、大模型Yi-Large智能体编排动作、多模态视觉语言大模型Yi-Vision理解图像,只需要“说人话”,即可让机器理解并执行复杂抓取指令。爆款AI玩具仙人掌。基于Folotoy仙人掌玩具展示,智能体框架扣子Coze开发,实现“高情商转述大师”、“高段位英文转述大师”、“中...
解读长论文、自动生成知识图谱,北师大推出人工智能工具平台
此外,该平台在文本识别、翻译、长论文解读方面也引入了AI,这一“小助手”不仅帮助学生实现外文文件的阅读,也会根据学生需要自动生成知识图谱,助力长文的脉络梳理,给予导读、总结等帮助。AI语音播报、AI会议助手则可为师生提供会议记录、灵感记录等帮助。
机器学习顶会ICLR 2024放榜!31%录用率下的非凡论文究竟是什么?
会议快讯ICLR是致力于推进人工智能分支的专业人士的首要聚会,称为表征学习,但通常被称为深度学习。ICLR以介绍和发布人工智能、统计学和数据科学领域深度学习各个方面的尖端研究而闻名于世,以及机器视觉、计算生物学、语音识别、文本理解、游戏和机器人学等重要应用领域。该会议的参与者有广泛的背景,从学术和工业研究...