论文链接：https://www.researchgate.net/publication/353652910_Dynamic_Multi-scale_Convolution_for_Dialect_Identification
倪捷，腾讯云高级产品经理。北京邮电大学硕士。现在腾讯云大数据与人工智能产品中心AI应用产品组担任高级产品经理，负责智能语音相关AI产品，拥有互联网、金融等行业人工智能落地的丰富经验。本文来自倪捷在“2018携程技术峰会”上的分享。
---- 新智元报道 编辑：LRS 【新智元导读】AI语音生成的特点就是呆板，没有情绪的起伏。最近Meta AI连发了三篇Textless NLP的论文，不仅开源了textlesslib库，还展示了AI对话在语音情感转换的惊人能力！ 在日常交流的时候，人们往往会使用一些「非语言」的信号，比如语调、情感表达、停顿、口音、节奏等来强化对话互动的效果。 像开心、愤怒、失落、困倦时说同一句话，虽然内容都一样，但听起来的感觉肯定是非常不同的，而AI的发声则比较死板。 目前AI语音生成系统大部分还是根据书面
【新智元导读】巨头都在争相开源，那么彼此之间会不会形成竞争？近日，火狐浏览器的所有者 Mozilla 开源了一个语音数据库，与谷歌所做的数据库高度类似。这篇文章比较了两家公司数据库的构成要素和数据搜集方法。文章认为，那些免费的音频资源更实用，甚至比那些大公司秘而不宣的数据集更有价值。 一个语音虚拟助理，比如Siri、Alexa、Cortana或者Google Home的表现，很大程度上是由驱动其的数据决定的。要训练这些程序来理解你正在说什么，首先要拥有大量关于人类对话的现实案例数据。 这让现有的语音识别公司
嘉宾 | 张晴晴 编辑 | 李忠良 人工智能有两个重要的部分，数据与算法。作为一家人工智能数据服务提供商，爱数智慧在语音数据的采集与处理上有其独到的价值，在今年的 11 月 5 日与 6 日 AICon 全球人工智能与机器学习大会（北京站）2021 上，我们邀请了爱数智慧创始人兼 CEO 张晴晴来分享他们在人工智能方面的前沿研究。在正式分享前，我们采访了张晴晴，以下为采访整理，希望对你有所启发。 InfoQ：是否可以简述一下您在人工智能方面的研究历程？ 张晴晴：我是在 2005 年开始接触人
---- 新智元报道 来源：Facebook AI 编辑：LRS 【新智元导读】Facebook在语音识别上又出重磅新作，继wav2vec, wav2vec 2.0以来，又出完全不需要监督数据的wav2vec-U，小众语言也能用语音识别啦！ 相比显示器、鼠标、键盘这些传统的人机交互方式以外，随着语音识别技术的逐渐成熟，和电子产品进行「对话」也逐渐成为一种稀松平常的人机交互。 无论是给计算机或其他设备下达指示，还是回答用户的问题，语音识别在各个方面让电子产品的使用变得更加容易，无需学习，想要干什么只
你知道吗？ 全球每2周就会有一种语言消失。 语言的消亡意味着珍贵的多样性文化信息流失，与物种的灭绝毫无二致。 现实情况是，濒危语言消亡的速度比濒危动物消亡的速度还要快，据测算，到本世纪末，世界上50%-90%的语言将会消亡。 保护濒危语言是保护文化多样性的重要一步，那么，人工智能又能做什么呢？ 语音技术发展到今天，其应用能力已经媲美甚至超越人类平均水平。从历史视角看，不管是地理位置障碍还是语言障碍，它都将是促进和增强人与人、人与机器自然对话的强大工具。 在濒危语言文化保护上，我们由此也看到了新的思路
机器之心报道 机器之心编辑部 这项技术未来在虚拟人、短视频玩法、客服服务、直播互动玩法上有着很大的落地空间。 字节跳动智能创作语音团队 SAMI（Speech, Audio and Music Intelligence）近日发布了新一代的低延迟、超拟人的实时 AI 变声技术。不同于传统的变声，AI 变声是基于深度学习的声音转换（Voice Conversion）技术来实现的，可以实现任意发音人的音色定制，极大程度保留原始音色的特点。 该方案的亮点如下： 在 CPU 单核上就能做到极低延迟的实时输入实时变声，
不管你来自哪个城市，相信在你的记忆中，都有自己的「家乡话」：吴语柔软细腻、关中方言质朴厚重、四川方言幽默诙谐、粤语古雅潇洒……
编辑：刘光明 【新智元导读】吴恩达在这一年经历了很多，从带领机器人“小度”在《最强大脑》上战胜王峰到离职百度创业，再到创立Landing.ai，宣布与富士康合作，吴恩达的每个动作都是会引发业内热议。无人驾驶方面，北京月底无人驾驶地铁开通，南京无人驾驶公交明年试运行，而百度也即将在明年的CES上亮相Apollo 2.0，其无人车也将从北京五环开到加州。 今日头条 吴恩达的2017年度报告 产业要闻 无人驾驶迷你公交明年亮相南京江北新区 国内首条国产无人驾驶地铁将于本月底在京开通 群策群力可准确预测最高法院裁判
重构出版：语音交互技术的冲击与机遇 1 摘要：语音交互技术是人工智能技术的重要分支，包括语音识别、语音合成和语义理解三个部分。语音交互技术不仅从出版实务上重构了出版业，而且重构了出版业的核心概念。出版机构面对语音交互技术的冲击要主动培养音频编辑人才，提前布局市场，在下一次知识服务转型的风口占得先机。 关键词：人工智能；语音交互技术；重构；出版业 2 人工智能将对人类社会产生重大影响，而语音是人工智能技术重要应用领域之一。近年来语音交互技术日趋成熟，数字出版领域有声读物快速发展，市场不断扩大。“国内已经先
上周，谷歌将Google Assistant下放到Android 6.0，而苹果的Siri、微软的Cortana、亚马逊的Alexa最近也动作频频，一场围绕下智能语音助手的大战正在全面展开。 西雅图艾伦人工智能研究所CEO Oren Etzioni表示，Siri作为最早入场的选手，其语音理解和回答问题的能力并不突出，白白浪费了先发优势。 但Siri并不是一无是处，它仍然有其他语音助手目前无法匹敌的优势：支持36个国家的21种本地语言。由于大多数的智能手机都是在非英语国家销售，对本地语言的支持将是非常重要的一
上周，谷歌将Google Assistant下放到Android 6.0，而苹果的Siri、微软的Cortana、亚马逊的Alexa最近也动作频频，一场围绕下智能语音助手的大战正在全面展开。 西雅图艾伦人工智能研究所CEO Oren Etzioni表示，Siri作为最早入场的选手，其语音理解和回答问题的能力并不突出，白白浪费了先发优势。 但Siri并不是一无是处，它仍然有其他语音助手目前无法匹敌的优势：支持36个国家的21种本地语言。由于大多数的智能手机都是在非英语国家销售，对本地语言的支持将是非常重要
从当前来看，速记神器确实为特定人群所需。 近日，搜狗召开发布会，正式推出其自研的速记神器——搜狗听写。这是一款能够将语音实时转变成文字的速记工具，拥有转写和听写两种模式，主要面向记者、编辑、作家等文字工作者。 由搜索而知名的搜狗 在人工智能领域似乎也玩的风生水起 众所周知，搜狗以搜索业务起家。除搜索业务外，其在近年还因搜狗输入法、搜狗高速浏览器等在行业内颇具名气。 如果仅从以上这些来看，搜狗此次推出“搜狗听写”似乎显得有些无厘头。然而，搜狗CEO王小川曾表示，搜索本身也是一种AI。 回顾搜狗的发展史，除去初
---- 新智元报道 编辑：Q 【新智元导读】1024开发者节大会上，讯飞听见发布「智慧办公服务平台」，让办公不止于「听见」。 智能语音，一直被认为是人工智能时代各种终端的「入口」，长期以来都是各大公司的「必争之地」。 在刚刚过去的1024开发者节上，科大讯飞向我们展示了虚拟人交互，多模态等多种前沿技术的落地应用，更是将400多项能力开放给数百万开发者使用，其中就包括多项科大讯飞深耕多年的智能语音技术。 在大会的现场，讯飞听见同传为大会提供了实时语音转写翻译服务，为远程观看的观众提供更贴心的双
5月26日消息，中国电信人工智能研究院（TeleAI）发布业内首个支持30种方言自由混说的语音识别大模型星辰超多方言语音识别大模型，打破单一模型只能识别特定单一方言的困境，可同时识别理解粤语、上海话、四川话、温州话等30多种方言。据了解，中国电信人工智能研究院已构建超30种，超30万小时的高质量方言数据库，首创“蒸馏+膨胀”联合训练算法，解决超大规模多场景数据集和大规模参数条件下，预训练坍缩的问题，实现1B参数80层模型稳定训练
语音识别，也称为自动语言识别（Automatic Language Identification, ALI），是自然语言处理（NLP）领域的一个重要研究方向。它旨在让计算机能够自动地识别出给定文本所属的语言种类。这一技术对于跨语言交流、多语言信息处理、机器翻译等方面具有广泛的应用价值。
使用经过挑选和标记的数据集对人工智能系统进行训练，产生了专门的人工智能模型，擅长对象识别等任务。
是磁带、光盘、录音笔、手机等录音工具，还是会议、访谈、沟通、演唱等场景？是键指如飞的神奇速录师，还是方便快捷的语音转文字AI小工具？
机器之心报道 作者：蛋酱 又是一年 1024 ，对于全球开发者来说相当特殊的一天。 1024 这一天，无论你身处何方，都能感受到浓浓的节日氛围。但说到场面最宏大、参会人数最多、内容最丰富的 1024 活动，还是要来合肥看看这家老牌 AI 企业的玩法。 10 月 23 日上午，2020 科大讯飞全球 1024 开发者节在合肥开幕。作为科大讯飞举办的第四届 1024 开发者节，今天的大会比往年来得都早了一些。 「创业的过程就像是登山，我们只有胸怀登顶的梦想，一步一个脚印，踏踏实实地积累高度，最后才能登顶。而
从理论研究到实际应用，从交大教授到AI创业者，苏剑波教授关注手语识别研究近二十年。
1966 年，一个由 MAD-SLIP 程式语言编写，在 36 位元架构的 IBM 7094 大型电脑上运作，所有程式编码仅有 200 行左右的聊天机器人，被 MIT 的德裔电脑科学家 Joseph Weizenbaum 发明出来，名叫“Eliza”。
ASR 是自动语音识别（Automatic Speech Recognition）的缩写，是一种将人的语音转换为文本的技术。这项技术涉及声学、语音学、语言学、数字信号处理理论、信息论、计算机科学等多个学科。ASR 系统的性能受到识别词汇表的大小和语音的复杂性、语音信号的质量、单个说话人或多个说话人以及硬件等因素的影响。
【新智元导读】当地时间7月7日上午，第七次“16+1”领导人会晤在保加利亚举行，李克强总理应邀到访。在人工智能产品区域的科大讯飞展台，两位总理用翻译机进行了有趣的互动，总理还亲自购买翻译机赠送给保加利亚总理鲍里索夫。
迁移学习实现将特定领域的模型应用到多个目标领域中，能够促进目标领域模型的学习成长，并降低目标领域内对于数据量和类型的要求，实际上就是利用已有先验信息来优化模型学习内容。迁移学习在小数据环境、智能终端上具有广阔的应用空间，迁移学习需要将在数据量充足的情况下学习到的知识，迁移到数据量小的新环境中，能够通过发现大数据和小数据问题之间的关联，把知识从大数据中迁移到小数据问题中，从而打破人工智能对大数据的依赖。
作者 | 鸽子 10月24日，科大讯飞1024开发者节在合肥开幕。 开幕式上，科大讯飞董事长刘庆峰，执行总裁，消费者BG总裁胡郁分别从务虚和务实两个方面，介绍了1024计划，此外，有关AIUI开放平台的具体内容也在文中有详细介绍。 由于信息量比较密集，AI科技大本营第一时间拿到所有素材，希望能给读者带来最新最全的消息。 刘庆峰：人工智能未来像水和电一样，随时可以用 科大讯飞董事长刘庆峰的演讲，保持了一贯的激情澎湃。 刘庆峰在演讲中，总结起来，主要说了三件事： 第一件事：PR。在有关认知智能的三个国际比赛
毫无疑问，智能音箱是今年全球人工智能领域最热的“风口”之一。2014年，亚马逊在官网低调地上线了一款搭载智能助手Alexa的智能音箱—— Amazon Echo，没有高调宣传，甚至没有发布会。
大名鼎鼎的横店影视城有着这么一群人。他们每天穿梭于各大剧组，换上威武的武士服和漂亮的古装，在满满的通告中获取一份相对稳定的收入。有时运气好了可以讲一两句台词，和大明星合个影，也能自豪地给家里人讲自己风光的一面。
近期，改编自金宇澄同名小说，知名导演王家卫执导的电视剧《繁花》的热播引起剧烈反响。原著小说以其细腻的笔触和丰富的上海风情，描绘了 20 世纪 60 年代至 90 年代上海市民的生活图景，是一部具有浓厚地域特色和时代感的作品。王家卫的影视作品以其独特的美学风格和深刻的情感表达著称。沪语版剧中使用上海话配音，字证腔圆让人耳目一新，相信后面肯定会有更多、更好的沪语影视作品呈现给观众，也会有更多的优秀专家深度参与，用沪语来叙述上海故事。
整理 | 刘晶晶 Donna 睢岭 润色 | 鸽子 11月9日，科大讯飞2017年度发布会，“顶天立地，AI赋能” 在北京国家会议中心召开，科大讯飞董事长刘庆峰，轮值总裁吴晓如分别在大会就人工智能技术、行业应用做了报告，执行总裁胡郁则向所有人公布了公司在人工智能领域的最新产品。 据刘庆峰透露，12月6号，科大讯飞刚刚创造了一个历史性记录：讯飞智医助手，成为第一个通过国家医师资格证的机器人。据刘庆峰透露，讯飞智医考了456分，超过分数线达96分以上，在安微省2万多考生中，名列前100名。 刘庆峰提到人工
随着互联网时代的进步，智能产品逐渐配备了更加多元化的功能应用、更加丰富的内容资源,用户在使用语音相关的功能时，越来越多的需求需要向智能产品用户提供更便捷的操作体验，语音转换成文本，语音识别是人工智能领域极为重要的前沿技术，实现快速、高效、准确的语音识别及控制，实现智能行业内全新的便捷操作模式。
随着人工智能技术的飞速发展，语音识别（ASR）和语音合成（TTS）技术已经成为智能语音服务领域的核心技术。腾讯云语音产品，凭借其业界领先的技术优势和极具竞争力的价格，为各行业提供了从标准化到定制化的全方位智能语音服务，广泛应用于多个行业场景，极大地推动了企业服务、阅读、教育、游戏、金融、电商等行业的智能化升级。
AI 无处不在的时代，每天都有新的技术与研究成果出现。无论学术界还是商界，技术还是产品，AI 的新发现都源源不断，在带给我们全新视角的同时，也引起我们更深的思考。
“整天都在说人工智能，可人工智能到底在哪里呢，为什么到了2022年，自动倒车入库的功能都没普及，导致科目二考试还是那么难。”除了文字上的抱怨，还特意加了张某自动驾驶企业的宣传图。
如今人工智能大热，不管什么行业都会联想到人工智能，当年的PC时代，到现在的移动时代，主要还是靠文字搜索，显然，文字搜索的效率和局限性相比语音差了很多。
今天是1024程序员日，也是科大讯飞的1024开发者节，在合肥奥体中心，科大讯飞把它们的开发者节办成了演唱会的形式。
众所周知，现在国内主流的音频视频传播平台非常多，每个平台都有非常多的用户，每天都会上传无数的音频内容和视频内容，而国家目前对于用户自动上传的内容有非常严格的审核要求，这也导致许多主流网站的审核压力特别大，因为网站一旦涉及传播一些违法内容，不仅会对用户造成影响，还有可能给网站带来损失。人工审核费时费力，而且无法应对海量的内容，所以现在很多网站使用人工智能审核视音频。人工智能审核视音频有什么好处呢？
随着人工智能技术越来越多的应用到我们的工作和日常生活中，人们对与计算机交互提出了更高的要求。人们显然已不满足于只是简单的人机对话，而是畅想可以达到人与人交流那样的酣畅淋漓，就像科幻片像人们所展现的那样。
将照片翻译成语言、用户消息排序、虚拟助手和聊天机器人……Facebook 的「语言技术组」正在用人工智能改变 Facebook 用户与世界的交互方式。
金磊 发自 凹非寺 量子位 | 公众号 QbitAI AI成精，“逼疯”程序员；AI做高数，成绩超过博士；AI写代码，成功调教智能体…… 看多了这种故事，你是不是也觉得，AI太卷了，要上天了。 今天回归本源，讲点不那么玄幻的。AI为什么会进化？底层其实没有秘密，无非是语言、视觉等几大基本功。 其中，语言能力对AI的智能水平有决定性影响。视觉研究怎么“看”，语言研究“听”、“说”和“理解”。 对人类来说，“听”、“说”、“理解”相加，基本等于思维能力，对AI，道理也差不多。 最近，咨询机构Gartner发布《
人工智能的飞速发展，让“黑科技”一词深入人心。目不暇接的各种前沿技术，一再刷新人们的认知世界。所谓“黑科技”，不仅仅要够炫酷，更要有足够的“生活温度”，实现真正的人性化。让我们一起来感受这些“黑科技”的魅力吧。
Google发布会最后还预览Google正在开发中的AR眼镜，戴上以后可以实时显示对方讲话时的字幕，并且可以用作翻译使用。
AI助力粤省事更懂你 1 多方言智能识别 依托微信智聆实验室，腾讯云AI语音识别为粤省事语音搜索功能提供强大的技术支持，除普通话和粤语外，还支持23种方言智能识别，满足更多省外来粤人员的使用需求，同时对方言保存使用起到重要的意义。 2 优化语音识别精度 用户说话后，系统将多维度判断用户结束语境，精准提取用户讲话的必要关键词，极速回显文本并智能返回结果。 据悉，“粤省事”是广东省政府推出的集成高频民生服务的移动政务服务平台，目前已覆盖公安、人社、教育、税务等近800项高频民生服务，其中将近700项“零跑动”
在人工智能技术的探索征程里，语音语义识别技术一直扮演着先驱的角色，不管是在技术探索还是商业落地方面都走在了前面。近两年来随着深度学习技术的进一步深入，其识别准确率更是得以大大提升。为教育、客服、电信等传统行业的产业升级带来了一大助力，在车载、家居、医疗、智能硬件等领域又开辟出了新的商业应用探索实践。 会议精彩视频回顾 语音语义技术目前发展到了哪个阶段？NLP技术在企业日常业务中能发挥怎样的作用？在十亿级别日活的微信端有何应用案例？在腾讯云海量客户场景下又为企业带来了怎样的助力？9月13日，TVP AI技术闭
在人工智能技术的探索征程里，语音语义识别技术一直扮演着先驱的角色，不管是在技术探索还是商业落地方面都走在了前面。近两年来随着深度学习技术的进一步深入，其识别准确率更是得以大大提升。为教育、客服、电信等传统行业的产业升级带来了一大助力，在车载、家居、医疗、智能硬件等领域又开辟出了新的商业应用探索实践。
ta不仅颜值高、接地气，能说一口流利的普通话、合肥话以及英语、德语、法语等多国语言，还能及时预警各类电信网络诈骗的作案手法和防范技巧。
连信数字是一家AI大模型智能体及产业化应用科技服务商，专注于人工智能大模型各领域智能体及产业应用。本轮融资由华德诚志重科、华德众科领投，衢州国投等跟投。资金将用于推动大模型核心能力进一步跃升，加速智能体产品的研发与产业化应用落地。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
实时音视频
对象存储
云直播
