新知榜官方账号
2023-10-03 06:36:12
介绍了基于模态注意力的端到端音视觉语音识别技术,该技术动态地融合了音视觉模态特征,并在实验上显著提高了语音识别的准确性和鲁棒性。在不同模态的特征融合过程中,该技术能够显式赋予恰当的权重以获得更加鲁棒的融合信息。
该技术在150h电视新闻类音视觉数据上进行了训练。实验表明,在0dB噪声情况下,该技术可以对LAS的纯语音识别取得相对36%的错误率下降。而且优于其他的音视觉结合方法。
该技术具有普遍性,完全可以迁移到任何种类的多模态信息融合当中。同时,该技术在语音降噪的问题上采用音视觉结合的方法,利用多模态识别技术来提升噪声鲁棒性。该技术的性能已经达到了可以商用的水平,未来可用于语音输入场景和远场人机交互系统。
相关文章
推荐
用Deepseek写AI绘图提示词,像呼吸一样简单!
2025-02-19 16:12
你以为AI绘画是黑科技?其实早成了“路边摊生意”!
2025-02-19 10:15
Flux爆火,全网最全面最详细的Flux使用教程!
2025-02-18 14:19
用AI如何创作音乐,实战教学来啦!
2025-02-17 17:23
MidJourney让你秒变绘画大神,从零开始画哪吒!
2025-02-17 14:56
AI应用新境界:让人工智能成为你的得力助手
2025-02-14 15:45
AI短片革命:当创作遇上智能,人人都能成为导演
2025-02-14 14:53
AI狂潮下的人类职场:是失业危机还是进化契机?
2025-02-13 16:53
开启影视创作新纪元,效率提升 10 倍的神器来了!
2025-02-13 15:11
深度解析DeepSeek:当AI技术照进创作产业的未来
2025-02-12 17:16