在日常工作、生活中,语音识别技术作为基础服务,越来越多的出现在我们周围,比如智能音箱、会议记录、字幕生成等等。
【新智元导读】微软语音识别技术24年老将黄学东近日被评为“微软全球技术院士”,成功摘下这一微软技术的“桂冠”。 黄学东于1993年加入微软。1995年,黄学东最终把洪小文也拉入微软。黄学东还曾在Bing工作,一直跟随沈向洋博士。接受新智元的专访时,他谈到了去年微软对话语音识别词错率低至5.9%背后的故事。 同时,黄学东认为语音识别的下一个大难关是语义理解,目前看来最有希望的路线是 LSTM + Attention。 黄学东,微软语音识别技术 24 年老将,IEEE/ACM 双科院士,微软深度学习工具包CNT
朋友们,今天鹅老师要给大家上一堂英语课。now,我们先用一组chinglish热身一下,请跟我read: Give you some color see see (给你点儿颜色瞧瞧) You look whatlook you so what ! (你瞅啥瞅你咋地!) Where cold where stay (哪儿凉快哪儿呆着去) 在学英语的过程中,Chinglish(中式英语)总是让人哭笑不得,不地道的英语发音更让人头痛。 但每一个英语口语渣渣的你,总有许多理由: 小时候说不好英语,是因为
机器之心报道 编辑:蛋酱 2023 年的 AI 领域,难以回避「大模型」这个关键词。 半年前 ChatGPT 的发布,在海内外引发了一场大模型之战。多家公司加紧研发,纷纷推出类 ChatGPT 产品,或是宣传要打造「中国的 OpenAI」。 有这样一家公司,却以低调的方式走在了研发和落地的前列。 今年三月初,国产 AI 模型「元乘象 ChatImg」推出「图片对话」功能,不仅支持文字聊天,还能看懂图片上的内容并根据图片内容回答问题。这一多模态对话能力的开放,甚至早于 OpenAI。 一周之后,震撼全球的 G
想一下未来50年或者100年,您的孙子或者孙子的孙子,是否还会花费人生中十几年甚至几十年的时间学习一门外语,甚至还学不好?
腾讯云推出的智聆口语评测(中文版),可以针对儿童或成人的中文发音,进行自动化打分,评分维度包括发音准确度、流利度、完整度等,与专家打分相似度在95%以上。
如何才能挑选一款真正的好手机,就成了一个问题,其重要性和复杂性甚至不亚于来一场毕业的论文答辩。 如何挑选一款真正的好手机?无外乎:“颜值”、“智商”、“功能”三大核心要素! 随着时代的不断发展进步和技术的持续更新迭代,我们平时所使用的手机也进入了一个爆炸式的阶段。各家厂商纷纷推出的产品数都数不过来,一时间,手机市场热闹无比,真可谓是“乱花渐欲迷人眼”。 因此,如何才能挑选一款真正的好手机,就成了一个问题,其重要性和复杂性甚至不亚于来一场毕业的论文答辩。 进入2017年,手机市场似乎比往年都更加热闹,华为Ma
语音合成(Text To Speech,TTS)技术将文本转化为声音,目前广泛应用于语音助手、智能音箱、地图导航等场景。TTS的实现涉及到语言学、语音学的诸多复杂知识,因合成技术的区别,不同的TTS系统在准确性、自然度、清晰度、还原度等方面也有着不一样的表现,如何从多维度综合评价TTS系统质量成了TTS测试人员的一大挑战。针对TTS前端、后端的存在的问题,选取TTS评测指标,制定各指标评测方法,形成了一套系统的TTS评测方案。
“没想到我的中文语音测评分数竟然还没有英文高,看来我要好好练习一下自己的普通话发音了。” 1月9日,在腾讯2019微信公开课PRO展区,智聆口语评测体验现场受到参会者的“团宠”,黄色的屏幕前围满了跃跃欲试的参会者,都想测试下自己的中英文发音水平。“这是我第一次体验AI口语评测。之前觉得只有参加那种专业口语测评考试才有机会体验到,现在通过微信小程序就很简单的完成了。而且,单词、句子、段落、自由说、情景对话等评测模式一应俱全,还有不同维度的打分,对英语口语训练挺有帮助。”来自深圳的孙小姐在微信小程序上
李根 发自 凹非寺 量子位 报道 | 公众号 QbitAI Google Pixel Buds的发布震惊了不少人。 每个人都期望戴上这样的翻译耳机,犹如获得科幻小说《银河系漫游指南》中的“巴别鱼”,从此再无跨语言带来的隔阂与障碍——一切轻而易举。 也有人为历史进程中的翻译工作者担心,他们看起来即将失去养家糊口的手艺。 不过这并未引起安妮的担忧,尤其是刚参与完一项语言翻译数据集工作后,她知道历史变革并没有那么简单,至少没有很多人想象中的那样轻而易举,还有大量的工作要做,还有很长的路要走。 没错,正是这些“
TTS的实现涉及到语言学、语音学的诸多复杂知识,因合成技术的区别,不同的TTS系统在准确性、自然度、清晰度、还原度等方面也有着不一样的表现,如何从多维度综合评价TTS系统质量成了TTS测试人员的一大挑战。
机器之心发布 字节跳动AI Lab机器翻译团队 作者:董倩倩 语言是人类社会最自然、最有效的交流方式之一,是人类文化融合和信息传播的主要工具。随着全球化与信息化时代的到来,国际间的交流以及信息传播呈现爆发式增长,让计算机理解不同语言并实现语言之间的自动翻译成为人类社会的迫切需求。 语音作为一种自然、便捷且传递信息丰富的语言承载形式,是人类与机器交互的理想方式。 道格拉斯・亚当斯在小说《银河系漫游指南》中提到过一种叫做巴别鱼的神奇生物:体型很小,靠接受脑电波为生。人们可以携带它,它从脑电波中吸收精神频率,转化
1、MRD与BRD文档的不同 -BRD 这么做有什么好处,并说明好处在哪里 -MRD 通过BRD明确了这个事情值得一做后,描述应该怎么做,并说明这么做的原因 2、MRD到底要干什么? 用绕口的方法来说:如果说BRD是你抛出的论题,那么MRD就是要你用论点来支撑你的BRD,同时通过论证来得出你采取什么方式获得BRD里面的商业目标(讲究逻辑性)。 用大白话来说:MRD就是经过一系列的分析后,拿出一套你认为最合理的干某个事情的方法与指导实施的文档。 3、MRD的阅读对象 未来参与产品的各个层级的同事,都有可能要阅
---- 新智元报道 编辑:好困 David 【新智元导读】一转就是十七年,这台「创新发动机」,从来没停过! 安徽合肥的大蜀山脚下,一群研发人员正在紧张有序的工作着。 在各个办公区的中间,张贴着年轻同学们的技术海报、各个方向的研究路径。 还有一块写满了各种公式的白板,上面「用正确的方法,做有用的研究」这几个字面积不大却引人注目。 在18岁成人礼前夕,新智元对中国科学技术大学博士,科大讯飞研究院执行院长刘聪进行了一次专访。 刘聪博士是语音及语言信息处理国家工程研究中心副主任,科技创新2030「新
2021年,智源发布了“悟道 1.0 ”与 “悟道 2.0”。“悟道 1.0”是当时中国首个超大模型,“悟道 2.0”发布时成为全球最大的智能模型,模型参数规模达到 1.75 万亿,是 OpenAI 所发布的 GPT-3 的 10 倍,受到了国内外的瞩目。也因此,智源被斯坦福、谷歌等企业列为大模型的先驱。
之前有个奶奶漏洞很火,就是问chatgpt请扮演我的奶奶哄我睡觉,她总会念Windows11旗舰版的序列号哄我入睡 能获取Windows11的序列号2023 年 7 月还能怎么用 ChatGPT ? ,最近有人利用微软的new bing通过提示词注入,让大模型来辅助识别验证码。
【新智元导读】 DeepBrain团队开发了全球第一个基于区块链的人工智能操作系统深脑链,用区块链技术来解决一些目前仅靠人工智能技术难以解决的痛点。 据悉DeepBrain 获得金沙江创投、戈壁创投、钱世投资3200万元首轮融资,这是朱啸虎在人工智能领域出手的第一个项目,也是唯一一个获得金沙江创投三位合伙人丁健、朱啸虎、杨志伟以及戈壁创投合伙人蒋涛加持的人工智能+区块链项目。 DeepBrain的愿景是与万物对话,赋予设备对话、思考、决策能力,主要为硬件厂商提供五大核心能力:语义技能商店、AI人机对话引擎、
罗超为虎嗅网、爱科技网撰稿,2013年5月23日发表于首页 Chrome浏览器昨日进行了升级,推出了全新的语音搜索功能,允许用户通过语音进行搜索。本次升级面向PC版。iPad和iPhone的Chrome仍停留在旧版本。 更准确的说法是Chrome浏览器终于与语音搜索进行了结合。在去年安卓4.1(果冻豆)中,Google便已推出Google Now,一款类似于Siri的语音助手产品。由于在搜索领域的积累,Google Now表现出比Siri更好的语言识别和搜索效果。Google Now是系统层面的一款应用。定
近日,全球首届任务导向型多轮对话系统挑战赛——JDDC大赛圆满落下帷幕。看过小编的实况报道,不少小伙伴后台留言不过瘾,希望小编深度回顾颁奖典礼全程内容。今天小编就为大家一一盘点全球首届任务导向型多轮对话系统挑战赛的亮点回顾。
同步发表于:本人所属公司博客<知盛数据集团西安研发中心技术博客> https://blog.csdn.net/Insightzen_xian/article/details/81168829
在2023年的「百模大战」中,众多实践者推出了各类模型,这些模型有的是原创的,有的是针对开源模型进行微调的;有些是通用的,有些则是行业特定的。如何能合理地评价这些模型的能力,成为关键问题。
在 2023 年的 “百模大战” 中,众多实践者推出了各类模型,这些模型有的是原创的,有的是针对开源模型进行微调的;有些是通用的,有些则是行业特定的。如何能合理地评价这些模型的能力,成为关键问题。
机器之心专栏 作者:钟格非 (港中文深圳本科生) 港中文(深圳)“凤凰 “多语言大模型,中文效果逼近文心一言,多种语言开源 SOTA;英文版”Chimera” 逼近 ChatGPT(GPT4 评测认为其有 96% GPT 3.5 Turbo 效果),数据模型训练将全开源。 背景介绍 ChatGPT 和 GPT-4 的问世,被比尔・盖茨誉为自 1980 年以来最大的科技革命。近日,相关技术和科研以 "天" 为单位快速迭代,每天都有新的类似 ChatGPT 的模型发布。其中包括 Alpaca、Vicuna、Do
本文介绍了语音合成系统的评测方法和指标,包括发音准确性、韵律准确性、字典覆盖度、字词清晰度、韵律平滑度、自然度、无意识错误、声音属性、声音相似度、音频质量、生成语音的清晰度、听众的接受度、发音和韵律等。同时,还介绍了一种基于主观评测、客观评测的评测方法,包括MOS、错误检测、语音识别、声学模型、发音和韵律等评测指标。
腾讯犀牛鸟精英人才培养计划是一项面向学生的校企联合培养方案,项目覆盖机器学习、量子计算、计算机视觉、语音技术、自然语言处理等产学研热点方向,入选学生将到腾讯开展科研访问,基于真实产业问题,借助腾讯海量数据、专家指导等资源,验证学术理论,加速成果应用转化,全面提升自身科研能力和综合素质。 2018年度申请时间已经过半,小伙伴们要抓紧哦~ 今年共有8个课题方向,54个子课题供大家选择,总有一款适合你! 课题方向及导师介绍请持续关注系列推送 机器学习及其相关应用研究 1.1 用户行为时间序列分析及建模 利用
每天给你送来NLP技术干货! ---- 来自:中国中文信息学会 第八届中国健康信息处理大会(CHIP2022)是中国中文信息学会医疗健康与生物信息处理专业委员会开展的“以信息处理技术助力探索生命之奥秘、提高健康之质量、提升医疗之水平”为主旨的年度会议。CHIP是中国健康信息处理领域的重要会议,是世界各地学术界、企业界和政府部门的研究人员和从业人员分享创意,进一步推广领域研究成果和经验的重要平台。CHIP2022官网链接为:http://cips-chip.org.cn ,将于2022年10月22-24日,在
你或许会说,语音识别和机器翻译——没错,传统的语音翻译通常采用语音识别和机器翻译级联的方式实现,对输入语音先进行语音识别得到文本结果,然后再基于文本进行机器翻译,这也是当前语音翻译采用的主流方法。
机器之心专栏 作者:杨志明、王泳、毛金涛 本文作者是中科院 NLP 博士,深思考人工智能机器人科技 ideepwise 的首席架构师/CEO 杨志明博士,首席机器学习科学家王泳博士,NLP 算法科学家毛金涛博士。2017 年 9 月 16 日,深思考人工智能团队取得了 SMP2017-ECDT(人机对话技术评测)特定域任务型人机对话评测(特定垂直领域多轮人机交互)全国第一名。本文由深思考人工智能核心团队揭秘如何实现人机多轮交互技术的突破以及对应用的意义。 图灵测试(The Turing test)由艾伦
让天下开发者早点下班 腾讯云智聆口语评测团队近期发布 口语评测英文版SDK 核心功能 1. 封装api调用及本地音视频文件处理 (对音频分片的开发量缩短) 2.基础录音功能 (边录边传,提升评测稳定性) 适用终端 iOS和Android 没有使用sdk前 开发录音和评测功能 需要 ① 了解整个录音逻辑 ② 编写每一步的代码 ③ 需要了解音频格式 ④ 还有系统兼容性问题,比如机型、系统等适配问题 距离收到这个需求单,已经过去了48个小时…… 使用sdk后 只需在APP中导入sdk,简单修改api接口调用
在逐渐步入DT(DataTechnology)时代的今天,自然语义分析技术越发不可或缺。对于我们每天打交道的中文来说,并没有类似英文空格的边界标志。而理解句子所包含的词语,则是理解汉语语句的第一步。汉语自动分词的任务,通俗地说,就是要由机器在文本中的词与词之间自动加上空格。
机器之心原创 机器之心编辑部 ChatGPT 军备赛开幕,哪些国内机构具备打造下一个 ChatGPT 的实力? 自从 2022 年底 ChatGPT 发布以来,海内外就掀起了一阵狂潮。推出仅两个月,ChatGPT 月活用户突破 1 亿,成为了史上用户增长速度最快的消费级应用程序。 ChatGPT 成为了搅动人工智能领域风云的新势力,其背后的 OpenAI 也因此成为了当下最热门的 AI 公司,甚至引发了科技巨头们的深度焦虑。 谷歌和微软两家科技巨头正在 ChatGPT 搜索上进行激烈竞争,先后宣布了将大
ASR 作为机器学习的基础应用之一,已成为众多业务支撑的基础能力,在录音质检、音频字幕、会议转写、语音输入等场景中发挥越来越大的作用。腾讯云 ASR 作为业界领先的语音识别服务提供商,为开发者提供语音转文字服务的最佳体验,具备识别准确率高、接入便捷、性能稳定等特点。 基于腾讯的多个 AI 实验室的模型赋能,腾讯云 ASR 团队接入和开发了多种类型识别服务,如一句话识别、录音识别、实时语音识别等,业务覆盖通用、金融、医疗、游戏等多种场景。此外,工程方面,团队在整体系统的复用性、接口性能、服务稳定性上也做了大量
7月25日消息,中文通用大模型综合性基准SuperClue发布了最新中文大语言模型排行榜。榜单结果显示,百度文心一言总分超GPT-3.5-Turbo,领跑国内大模型。
2022年11月9日,OPPO语音语义研究部融智团队提出的中文预训练大模型CHAOS ,在中文自然语言理解测评基准CLUE上登顶,以30亿参量同时刷新了CLUE总排行榜、CLUE分类任务排行榜和CLUE阅读理解排行榜的最好成绩。其中在“AFQMC,TNEWS,CSL,CHID1.1”4个赛道的成绩超过了人类识别精确准确度,总成绩距离超越人类表现仅差0.1。
ASR 作为机器学习的基础应用之一,已成为众多业务支撑的基础能力,在录音质检、音频字幕、会议转写、语音输入等场景中发挥越来越大的作用。腾讯云 ASR 作为业界领先的语音识别服务提供商,为开发者提供语音转文字服务的最佳体验,具备识别准确率高、接入便捷、性能稳定等特点。
1.NLP相关学科 语言学 信息论 生物学 计算机科学 数学 等等...... 2.相关术语 中文信息处理 中文语言处理 计算语言学 自然语言理解 智能化人机接口 3.知识内容 3.1基础 音位学->形态学->词汇学->句法学->语义学->语用学 举例 语音输入:delete file x 音位学处理:dilet'#fail#eks 形态学处理:"delete" "file" "x" 词汇学处理:(“delete”VERB)(“file”NOUN)(“x”ID) 句法分析处理:
机器之心原创 作者:吴昕 如若问谁最有希望在中国实现智慧涌现,十多年前科大讯飞成立时的那个回答依旧铿锵有力:要么率先燎原,要么率先熄灭。 历时 5 个月、100 多天,5 月 6 日下午 2 点,科大讯飞「星火」认知大模型如约而至。 发布会独具匠心,亮点一分为二:「1」 + 「N」。 上半场围绕「1」,聚焦「星火」通用能力展示。无论是挖坑设雷还是烧脑为难,「星火」应对自如,会场不时响起掌声和笑声。 下半场由「1」生「N」,旗下首批获「星火」加持的产品矩阵登台亮相。从教育、办公、车载到虚拟人,一次次人
AI 科技评论按:2017 年 7 月 8 日,由中国计算机学会(CCF)主办,雷锋网与中国香港中文大学(深圳)承办的全球人工智能与机器人峰会(CCF-GAIR)进入第二天。在智能助手专场,来自哈尔滨工业大学的刘挺教授为我们带来了题为“人机对话技术的进展”的主题演讲。 📷 刘挺,哈尔滨工业大学教授,社会计算与信息检索研究中心主任。多次担任国家863重点项目总体组专家、973项目专家组成员、基金委会评专家,入选科技部中青年科技创新领军人才。主要研究方向为自然语言处理和社会计算,是国家973课题、国家
衡宇 发自 凹非寺 量子位 | 公众号 QbitAI 做类ChatGPT产品,组中国版OpenaAI恐怕是先当下最最人尽皆知的创投野心。 有人官宣标榜放话,也有VC开始把视角投向产学研转换的大模型项目——或许能更有基础一些,其中,清华大学显然处于身负众望的头一梯队。 量子位独家获悉,背靠清华的大模型研究团队,计算机系教授唐杰牵头的创业公司智谱AI,身价水涨船高,在几近哄抢的状态中接近完成一轮新融资,估值已超30亿元。 唐杰的学生同样有市无价。其麾下知名弟子杨植麟的NLP创业公司循环智能,也被寄予厚望,一切往
近日,讯飞输入法新版本正式上线,在随声译和快捷翻译功能里增加了日译中、韩译中、泰、越、西、法、德、俄与中文互译,合计18种翻译,这也使得讯飞输入法成为中文与外语互译最多的输入法产品。
---- 新智元报道 来源:智源研究院 【新智元导读】国内首个支持18种语言的文图生成模型AltDiffusion-m18来了。 当前,非英文文图生成模型选择有限,用户往往要将 prompt 翻译成英语再输入模型。这样不仅会造成额外的操作负担,并且翻译过程中的语言文化误差,会影响生成图片的准确性。 智源研究院 FlagAI 团队首创高效训练方式,使用多语言预训练模型和 Stable Diffusion 结合,训练多语言文图生成模型 —— AltDiffusion-m18,支持18种语言的文图生成
近日,中国信通院云计算与大数据研究所、内容科技产业推进方阵等机构共同发布数字人2022年首批内容科技评测结果。百度智能云曦灵数字人平台顺利通过技术能力、工程化能力、安全保障能力三大维度测评,成为首批获得权威认证的数字人厂商,代表着当前数字人行业的最高标准。 三大维度测评全通关,百度智能云曦灵技术优势突出 本次信通院发起的数字人系统基础能力评测代表业界顶尖技术水准,有着高行业认可度与国际影响力。据悉,数字人系统基础能力评测包含基础技术能力、基础工程化能力、基础安全保障能力等三大维度的共计48个测试项,百度智
【新智元导读】 以语音起家的科大讯飞 2017年在计算机视觉上发力,接连获得自动驾驶领域权威评测集 Cityscapes 第一名和医学影像权威评测LUNA冠军两项突破,在视觉上展示出强大实力。 近日,科大讯飞在国际自动驾驶领域权威评测集 Cityscapes 获得平均81.4%的精度,取得了该项评测的第一名,并刷新了世界记录。这也是今年科大讯飞继医学影像权威评测LUNA之后在计算机视觉领域获得的又一殊荣。 📷 科大讯飞名列Cityscapes榜首 Cityscapes评测数据集在2015年由奔驰
AI科技评论按:近年来,人机对话技术受到了学术界和产业界的广泛关注。学术上,人机对话是人机交互最自然的方式之一,其发展影响及推动着语音识别与合成、自然语言理解、对话管理以及自然语言生成等研究的进展;产业上,众多产业界巨头相继推出了人机对话技术相关产品,如小冰、siri、度秘等,并将人机对话技术作为其公司的重点研发方向。 基于人机对话技术在学、产两界中的重要地位,在第六届全国社会媒体处理大会(SMP 2017)上,由中国中文信息学会社会媒体处理专委会主办,哈尔滨工业大学和科大讯飞股份有限公司承办举行了国内首次
【磐创AI导读】:本文为中文分词工具整理分享。想要了解更多技术咨询,欢迎大家点击上方蓝字关注我们的公众号:磐创AI。
---- 新智元报道 编辑:Emil、小匀 【新智元导读】数据稀缺以及开发成本高,多语种识别和翻译被认为是机器翻译技术难以跨越的难题。但随着国际交流日益频繁,跨地域、跨文化间的无障碍沟通成为不断增长的刚性需求。近期科大讯飞表示,通过系统性创新,他们将在10年内让机器在70+语言之间实现互通。 下一个十年,人工智能会从「黑盒」变「白盒」吗? 下一个十年,人机共存时代会真正到来吗? 下一个十年,哪个学科又会与人工智能深入交叉,引发颠覆式的革新呢? 人工智能核心技术的逐渐成熟推动智能产品的落地,以语
丰色 发自 凹非寺 量子位 | 公众号 QbitAI 阿里达摩院,又搞事儿了。 这两天,它们发布了一个全新的语音识别模型: Paraformer。 开发人员直言不讳:这是我们“杀手锏”级的作品。 ——不仅识别准确率“屠榜”几大权威数据集,一路SOTA,推理效率上相比传统模型,也最高可提升10倍。 值得一提的是,Paraformer刚宣布就已经开源了。 语音输入法、智能客服、车载导航、会议纪要等场景,它都可以hold住。 怎么做到的? Paraformer:从自回归到非自回归 我们知道语音一直是人机交互重
中文语法纠错任务旨在对文本中存在的拼写、语法等错误进行自动检测和纠正,是自然语言处理领域一项重要的任务。同时该任务在公文、新闻和教育等领域都有着落地的应用价值。但由于中文具有的文法和句法规则比较复杂,基于深度学习的中文文本纠错在实际落地的场景中仍然具有推理速度慢、纠错准确率低和假阳性高等缺点,因此中文文本纠错任务还具有非常大的研究空间。 达观数据在CCL2022汉语学习者文本纠错评测比赛的赛道一中文拼写检查(Chinese Spelling Check)任务中取得了冠军,赛道二中文语法纠错(Chinese Grammatical Error Diagnosis)任务中获得了亚军。本文基于赛道二中文语法纠错任务的内容,对比赛过程中采用的一些方法进行分享,并介绍比赛采用的技术方案在达观智能校对系统中的应用和落地。赛道一中文拼写检查的冠军方案会在后续的文章分享。
全国社会媒体处理大会(SMP)由中国中文信息学会社会媒体处理专委会主办,专注于以社会媒体处理为主题的科学研究与工程开发,为传播社会媒体处理最新的学术研究与技术成果提供广泛的交流平台,旨在构建社会媒体处理领域的产学研生态圈,成为中国乃至世界社会媒体处理的风向标,会议将以社交网络的形式改变传统的学术会议交流体验。第七届全国社会媒体处理大会(SMP 2018)将于 8 月 2 日至 4 日在哈尔滨召开。
领取专属 10元无门槛券
手把手带您无忧上云