Tốc độ
Hai bài thuyết trình sẽ được thực hiện tại nhóm kèo tỷ lệ nhà cái chung EA, SP, SIP, IPSJ-SLP (SPEASIP)
Được tổ chức tại Trung tâm hỗ trợ ngành Okinawa từ ngày 29/2 (Thứ Năm) đến ngày 1/3 (Thứ Sáu), chúng ta sẽ có hai bài thuyết trình kèo tỷ lệ nhà cái từ AI Lab
■Giới thiệu về nhóm kèo tỷ lệ nhà cái chung EA, SP, SIP, IPSJ-SLP (SPEASIP)
Đây là hội nghị lần thứ 10 về xử lý lời nói, âm học và tín hiệu、、、 [Thông báo]
| Ngày giờ | Ngày 1 tháng 3 (Thứ Sáu) 09:30 - 10:30 Poster Phiên 2 SP/SLP (Middle Hall 312) |
| Tiêu đề | Cải tiến phương pháp học mô hình để cải thiện giọng nói bằng Remixed2Remixed |
| Loa | 、(Nhà khoa học kèo tỷ lệ nhà cái nhóm âm thanh của phòng thí nghiệm AI) |
| Tóm tắt | Trong nâng cao giọng nói bằng cách sử dụng học sâu, mô hình học có giám sát sử dụng cặp giọng nói ồn ào và giọng nói rõ ràng làm dữ liệu huấn luyện có xu hướng có hiệu suất nâng cao kém đối với dữ liệu trong thế giới thực có mức phân bổ khác với dữ liệu huấn luyện Để giảm bớt vấn đề này, Remixed2Remixed (Re2Re) đã được đề xuất như một phương pháp áp dụng các mô hình học có giám sát vào miền dữ liệu trong thế giới thực Trong khi hiệu quả của Re2Re về mặt chức năng mục tiêu đã được khẳng định trong các thử nghiệm sử dụng bộ dữ liệu từ sự kiện đánh giá công nghệ quốc tế CHiME-7 Task 2, phương pháp học đã được thống nhất để đảm bảo so sánh chặt chẽ với đường cơ sở và phương pháp phù hợp với Re2Re vẫn chưa được kèo tỷ lệ nhà cái Trong bài báo này, chúng tôi làm rõ ảnh hưởng của tỷ lệ tín hiệu trên nhiễu trong quá trình phối lại và số lượng kỷ nguyên đối với hiệu suất học tập mô hình Re2Re và đề xuất cải tiến phương pháp học tập |
| Ngày giờ | Ngày 1 tháng 3 (Thứ Sáu) 15:25 - 16:25 Áp phích Phiên 3 EA/SIP (Hội trường lớn 101) |
| Tiêu đề | kèo tỷ lệ nhà cái các chỉ số đánh giá khách quan về độ rõ của giọng nói dựa trên mô hình cơ sở hạ tầng giọng nói cho Thử thách dự đoán rõ ràng 2 |
| Loa | (Nhà khoa học kèo tỷ lệ nhà cái nhóm âm thanh của AI Lab) |
| Tóm tắt | Độ rõ của giọng nói, biểu thị độ rõ ràng của lời nói, là một chỉ số rất quan trọng trong lĩnh vực nâng cao giọng nói Trong một cuộc thi (Thử thách dự đoán rõ ràng 2; CPC2) được tổ chức vào năm 2023 nhằm cạnh tranh về độ chính xác trong dự đoán của việc đánh giá tự động mức độ hiểu lời nói của âm thanh của máy trợ thính, một phương pháp dựa trên mô hình nhận dạng giọng nói (chỉ số độ rõ khách quan dựa trên mô hình nền tảng giọng nói; SFM-OIM) được đào tạo bằng cách sử dụng dữ liệu quy mô lớn đã giành vị trí đầu tiên SFM-OIM sử dụng các tính năng được trích xuất từ lớp mã hóa của các mô hình nhận dạng giọng nói như Whisper và đặc điểm thính giác của người nghe để dự đoán kết quả đánh giá chủ quan, bao gồm cả kết quả đánh giá cho người khiếm thính Trong báo cáo này, chúng tôi trình bày kết quả của thử nghiệm đánh giá và triển khai tái tạo SFM-OIM này |