谷歌DeepMind2016年的深度生成模型 WaveNet 将机器语音合成的表现与人类之间水平的差距至少缩减了 50%
Tacotron是谷歌于2017年提出的端到端语音合成系统，该模型可接收字符的输入，输出相应的原始频谱图，然后将其提供给 Griffin-Lim 重建算法直接生...
一段声音信号中，它的组成其实包含了好几个维度，比如说的内容，说的方式，以及说的人的音色。过往的语音合成只关注说的内容正确，而这次我们希望能按照我们的方式去控制合...
acotron 并没有解决所有的问题，有时候它合成出的发音会出错。这一次我们会先讲一讲 Tacotron 以外的一些模型。这些模型是基于 Tacotron 的变...
相较于HMM、CTC和RNN-T，LAS在计算P(Y|X)时，是直接计算的，不存在对齐的问题
在算所有的候选对齐预测的总和之前，我们先看看一个候选对齐预测是怎么计算的。HMM，RNN-T和CTC的计算方式都是一模一样的。我们往后只用 RNN-T 来当作例...
这篇文章主要介绍目前一些语音识别技术与HMM有什么关系，然后你就会发现，很多技术其实有借用HMM的思想
我现在经常在实验室服务器上跑程序，而老师要求我们使用SLURM作业管理系统，网上资料零零散散，这篇文章算是一个简单的汇总
touch file_name创建文件。如果文件已存在，可以修改文件的末次修改时间
末行命令 主要是针对文件进行操作的：保存、退出、保存&退出、搜索&替换、另存、新建、浏览文件
相比LAS算法，CTC能够克服LAS不能online的弊端。只要在Encoder阶段，不采用Bi-LSTM，那么CTC就可以online
CTC每个时间步进行的解码是independent的，这样的设定能够简化模型，但却不是很合理。事实上，实际应用中的序列，往往前后token都是有约束关系的。为了...
以一个简单的算法题为例，How do you count the occurrence of a given character in a string？要求保...
语音识别也和图像处理一样，有传统的语音识别算法和基于DeepLearning的语音识别算法。当然，现在的主流都是采用Deep Learning去做的。 那么，在...
从图中可以看到，语言信号可以表示为一个d T的matrix。其中，d为向量的维度（不同的表示方法，维度不一样）， T为向量的个数。 同理，文本也可以表示为一个...
本文主要介绍一下如何使用 PyTorch 复现BERT。请先花上 10 分钟阅读我的这篇文章 BERT详解（附带ELMo、GPT介绍），再来看本文，方能达到醍醐...
Human Language Processing研究的内容根据输入输出的不同，可以分为如下6种
BERT全称为Bidirectional Encoder Representation from Transformer，是Google以无监督的方式利用大量无...
文本主要介绍一下如何使用 PyTorch 复现 Transformer，实现简单的机器翻译任务。
本文主要介绍以及翻译一篇 ACL2020 Best Paper Beyond Accuracy:Behavioral Testing of NLP Models...
扫码关注云+社区
领取腾讯云代金券
