新闻

4月13日,《飞书》在新版本中对音视频功能进行了升级,新增实时字幕和中英文翻译等功能。视频时,用户可选择开启字幕,并设置显示语言。截至发稿前,该功能已经上线,支持普通话和英文,未来还将增加更多语种。飞书音视频功能可支持百人会议需求,用户选择“开启字幕”后,系统即可进行语音识别,并将字幕滚动显示在屏幕下方或右侧,参会人实时可见并能查看历史记录。     

利用奇异谱分析的深度神经网络语音增强方法

针对现有深度神经网络语音增强方法对带噪语音的去噪能力有限、语音质量提升不高的问题，提出了一种基于奇异谱分析的深度神经网络语音增强方法。通过引入奇异谱分析算法对带噪语音进行预处理，以初步分离得到语音信号与噪声。接着将语音信号与噪声用于深度神经网络模型得训练，以得到性能更优的网络模型，从而使得本文方法具有更好的性能。最后在重建干净语音的环节中，同时使用神经网络估计得到的对数功率谱和带噪语音的对数功率谱，并加入了权重系数，使得本文提出的方法可以适应不同信噪比的情形，有效的去除背景噪声，降低语音信号的失真。本文通过仿真实验验证了该方法的有效性和鲁棒性。      

业界聚焦

01蓝牙音频设备出货量将达15亿部《2020年蓝牙市场最新资讯》发布近日,蓝牙技术联盟(Bluetooth Special Interest Group)发布了《2020年蓝牙市场最新资讯》报告,揭示了未来五年蓝牙技术及市场的主要趋势和预测。报告指出,未来5年蓝牙将在更多场景中发挥作用,包括语音呼叫语音音频、医疗健康、自动化系统、控制系统、监控系统等等。在音频传输方面,蓝牙技术免去了连接线的烦扰,带来更加便捷的聆听体验。     

多类型特征量的油水两相流流型识别算法

本文以收敛型微通道中油水两相流的流型识别为对象,将高速摄像法与神经网络算法相结合,提出了高效的、可视化的、智能化的两相流流型识别方法。该方法采用了包含图像纹理参数和流型无量纲参数的多类型特征量,更精准区分6种流型的不同特点,流型识别的收敛速度和准确率更高。BP神经网络的识别率为92. 5%,Elman神经网络的识别率为93. 7%,Elman神经网络在收敛速度与准确率方面优于BP神经网络。     

编码器-解码器模型合成汉英语码转换文本

为了解决汉英语码转换文本数据稀缺的问题，本文提出了基于编码器-解码器模型合成语码转换文本的方法，从有限的语码转换文本与大量单语种平行语料中学习语码转换语言学规则与语种内部的语言学规则，来合成语码转换文本。但是该模型合成的语码转换文本自然度低，因此本文又提出基于带复制机制的编码器-解码器模型合成语码转换文本的方法，在编码器-解码器的基础上，增加了一个门控，用来决定从编码器的预测结果还是从编码器的输入源文本中产生下一个词。最终，该方法使语言模型在SEAME测试集上的困惑度降低了绝对13.96。由此可得出结论，本文提出的方法可大规模地合成自然度高的语码转换文本，缓解语码转换文本数据的稀缺性。      

TTS在GE-SCADA语音调度应用中的设计和实现

为应对生产现场重点信息实时提醒新形式、新手段的提出，利用微软操作系统自带TTS功能，在较短开发周期内，结合特定软件接口开发出具有实用性高、辅助性强、可定制化的“语音助手”,使其成为工厂关键岗位利用SCADA软件平台，辅助生产判断，提升监测能力的“智能语音调度”。