asr模型
收录了 asr模型 频道下的 50 篇内容
性能超越经典 ASR 模型：谷歌重磅推出全新语音识别数据增强方法
该数据增强方案虽然方法简单，但是效果很强大
基于 BERT 的 ASR 纠错
本文介绍小爱算法团队基于近年来流行的BERT预训练模型在这个问题上所进行的一些技术探索，以及在业务场景中的落地情况。
准确率提升近 4%，自研 ASR 模型助力公安机关筑牢反诈安全网
作为计算机的“耳朵”，ASR技术（自动语音识别技术）的兴起改变了人机交互方式，人们可以通过语音完成信息搜索、通话等操作，体验更自然、便捷、流畅的智能服务。
谷歌语音人工智能 AudioPaLM，语音传输瞬间翻译
AudioPaLM是基于PaLM-2 LLM的，在翻译基准测试上优于OpenAI的Whisper。
NVIDIA 开源 NeMo：基于 PyTorch，允许快速创建会话式人工智能模型
允许开发者快速构建、训练和微调会话式人工智能模型。
三星电子 (Samsung Electronics) 借助 Cloud TPU 和 TensorFlow 增强 Bixby
作为 Google Cloud 的合作伙伴，三星使用 Cloud TPU —— Google Cloud 的内置机器学习处理器，更快地训练其 ASR 模型，并最终提升 Bixby 的准确性。
从算法到应用：滴滴端到端语音 AI 技术实践
本文介绍滴滴端到端语音AI技术实践经验。
滴滴语音交互自然语言理解探索与实践
自然语言理解技术让语音助手变得像人一样和用户进行交流。本文主要讲解滴滴语音交互中自然语言理解技术的一些探索和实践。
小数据量语音合成技术在作业帮的应用
随着深度学习的发展以及计算能力的不断提升，基于神经网络的语音合成方案逐步成为语音合成领域的研究热点。
音频内容理解的关键技术
本文介绍用机器辅助处理音频及视频的内容理解
马志强：语音识别技术研究进展和应用落地分享丨 RTC Dev Meetup
本文内容源自「RTC Dev Meetup 丨语音处理在实时互动领域的技术实践和应用】的演讲分享，分享讲师为寰语科技语音识别研究主管马志强。
2024 通义语音 AI 技术图景，大模型引领 AI 再进化
本文将回顾最近一年通义实验室在语音AI经典的原子能力，如语音识别、语音合成、说话人识别的研究进展，并介绍语音AI结合大模型的多模态研究及应用进展。最后开源是降低AI研究和应用门槛的最有效手段，本文将会总结当前团队的开源情况，供读者鉴阅。
从 Encoder-Decoder 模型入手，探索语境偏移解决之道
摘要：在本文中，我们展示了CLAS，一个全神经网络组成，端到端的上下文ASR模型，通过映射所有的上下文短语，来融合上下文信息。在实验评估中，我们发现提出的CLAS模型超过了标准的shallow fusion偏置方法。
如何解决 Iterative 半监督训练 在 ASR 训练中难以落地的问题丨 RTC Dev Meetup
通用 ASR 的字准确率虽然已经非常高，但是在面向具体的场景（游戏场景、私聊场景、群聊场景、主播场景）时，还是存在场景不匹配的问题，因为通用的 ASR 在这些领域中的应用相对比较困难，主要存在以下问题。
滴滴出行场景中语音识别模型的自学习平台化实践
在滴滴也有丰富的语音交互场景落地，为了更快更稳定地输出语音识别模型，提高业务识别准确率，我们开发了语音识别模型自学习平台。
火山语音 7 篇论文入选国际顶会 Interspeech
日前,火山语音团队七篇论文成功入选国际顶会Interspeech2022,内容涵盖音频合成、音频理解等多个技术方向的创新突破。Interspeech作为国际语音通信协会ISCA组织的语音研究领域的顶级会议之一,也被称为全球最大的综合性语音信号处理盛会,在世界范围内享有极高声
国内首个：ICPR2022 多模态字幕识别比赛日前结束
6月8日记者获悉,ICPR2022多模态字幕识别比赛(Multimodal Subtitle Recognition简称MSR竞赛)日前正式结束,共有376位来自各大高校和企业的选手参赛。
FastCorrect：语音识别快速纠错模型丨 RTC Dev Meetup
本文将介绍一种低延迟、高精度的纠错模型 FastCorrect，通过利用编辑对齐以及多个候选结果，在取得 10% 的词错误率下降的同时，将模型加速 6-9 倍，相关研究论文已被 NeurIPS 2021 和 EMNLP 2021 收录。
京公网安备 11010502039052号 | 产品资质
