我們擅長(cháng)商業(yè)策略與用戶(hù)體驗的完美結合。
歡迎瀏覽我們的案例。
據 VentureBeat 報道,Google 人工智能研究部門(mén)在語(yǔ)音識別方面取得了新的進(jìn)展,能從嘈雜的環(huán)境中分辨聲音,準確率高達 92%。Google 人工智能研究部門(mén)在一篇名為《Fully Super vised Speaker Diarization》的論文中描述了這一新的 AI 系統,稱(chēng)它“能以一種更有效的方式識別聲音”。
這套強大的 AI 系統涉及到 Speaker diarization 任務(wù),需要標注出“誰(shuí)”從“什么時(shí)候”到“什么時(shí)候”在說(shuō)話(huà),將語(yǔ)音樣本分割成獨特的、同構片段的過(guò)程。還能將新的演講者發(fā)音與它以前從未遇到過(guò)的語(yǔ)音片段關(guān)聯(lián)起來(lái)。
其核心算法已經(jīng)開(kāi)源可用。它實(shí)現了一個(gè)在線(xiàn)二值化錯誤率(DER),在 NIST SRE 2000 CALLHOME 基準上是 7.6%,這對于實(shí)時(shí)應用來(lái)說(shuō)已經(jīng)足夠低了,而谷歌之前使用的方法 DER 為 8.8%。
谷歌研究人員的新方法是通過(guò)遞歸神經(jīng)網(wǎng)絡(luò )(RNN)模擬演講者的嵌入(如詞匯和短語(yǔ)的數學(xué)表示),遞歸神經(jīng)網(wǎng)絡(luò )是一種機器學(xué)習模型,它可以利用內部狀態(tài)來(lái)處理輸入序列。每個(gè)演講者都從自己的 RNN 實(shí)例開(kāi)始,該實(shí)例不斷更新給定新嵌入的 RNN 狀態(tài),使系統能夠學(xué)習發(fā)言者共享的高級知識。
研究人員在論文中寫(xiě)道:“由于該系統的所有組件都可以在監督環(huán)境下學(xué)習,所以在有高質(zhì)量時(shí)間標記演講者標簽訓練數據的情況下,它比無(wú)監督系統更受青睞。我們的系統受到全面監督,能夠從帶有時(shí)間戳的演講者標簽例子中學(xué)習。”
在未來(lái)的工作中,研究團隊計劃改進(jìn)模型,使其能夠集成上下文信息來(lái)執行脫機解碼,他們希望這將進(jìn)一步減少 DER。研究人員還希望能夠直接對聲學(xué)特征進(jìn)行建模,這樣整個(gè) Speaker diarization 系統就可以進(jìn)行端到端訓練。
?。?a href="http://www.cki5.com">邯鄲網(wǎng)絡(luò )公司)
小米應用商店發(fā)布消息稱(chēng) 持續開(kāi)展“APP 侵害用戶(hù)權益治理”系列行動(dòng) 11:37:04
騰訊云與CSIG成立政企業(yè)務(wù)線(xiàn) 加速數字技術(shù)在實(shí)體經(jīng)濟中的落地和應用 11:34:49
樂(lè )視回應還有400多人 期待新的朋友加入 11:29:25
亞馬遜表示 公司正在將其智能購物車(chē)擴展到馬薩諸塞州的一家全食店 10:18:04
三星在元宇宙平臺推出游戲 玩家可收集原材料制作三星產(chǎn)品 09:57:29
特斯拉加州San Mateo裁減229名員工 永久關(guān)閉該地區分公司 09:53:13