言语

[优先研究团队 Hee-Jo Yoo] TTS（文本到语音）是一种在输入任意文本时将文本转换为特定语音的技术。谷歌发布 Tacotron 系列后，迅速从基于 HMM（隐马尔可夫模型）转向基于深度学习，现在已经商业化了……

[服务开发团队，恩恩权（Eunji Kwon）]小时候，当我发挥想象力时，外太空机器人是最喜欢的材料。回顾过去，从动画片（Galaxy Railroad 999）到人工智能计算机的负责人，这些计算机将火车运送到最近发行的Humanoid电影，人工智能是媒体的重要组成部分...

[服务开发团队Kim Byung-in]在Google I / O 2021上，展示了展示最新Google技术，Android，Web，AI，Chrome和其他技术，服务以及平台服务的活动。在众多技术中，最热门的话题是LaMDA（Google的语言…

Tensorflow Lite是一个软件包，其中包含一些工具，这些工具允许使用Tensorflow训练的AI模型在移动设备上运行。据说它现在在超过40亿个设备上运行。基本上，训练后的模型将转换为Tensorflow Lite…

Google Lyra是基于生成模型的一种新的语音压缩方法，现有的语音压缩方法极大地提高了原始声音质量，即获得透明质量大约需要8-16kbps，因此3kbps较低。

以其集成的自然语言处理程序包而闻名的HuggingFace增加了语音识别。以下是相关链接：具体来说，添加了由Facebook开发的Wav2Vec 2.0，Wav2Vec 2.0首先使用大量未标记的数据来进行无监督学习，并且非常…

我们共享去噪器github的链接，这是在INTERSPEech 2020上宣布的Facebook实时降噪技术。它实现为Pytorch，原始论文的标题是“波形域中的实时语音增强”。如标题所示…

Corona 19尚未在全球范围内表现出平静的迹象。在麻省理工学院，我们学习了一种AI模型，该模型可以通过用手机记录的咳嗽声来检查是否存在Corona 19感染，并以此发表了方法论和实验结果。在实验结果中...

LipGAN是一种使用语音信号生成脸部图像的嘴唇形状的技术，当将其实际应用于视频时，在视觉伪像和运动自然度方面有些令人失望。为了改善这一点，鉴别器不是单个帧，而是多个连续的…