多說(shuō)話人語(yǔ)音融合任務(wù)是 TTS 語(yǔ)音合成當(dāng)中的一個(gè)子任務(wù)，它是指將兩個(gè)或者多個(gè)說(shuō)話人的聲音進(jìn)行融合，合成出新的語(yǔ)音的過(guò)程，而不需要做任何進(jìn)一步的微調(diào)。多說(shuō)話人語(yǔ)音融合可以通過(guò)插值的方式代替預(yù)訓(xùn)練模型中原始說(shuō)話人的語(yǔ)音。說(shuō)話人語(yǔ)音融合技術(shù)可用于在語(yǔ)音合成系統(tǒng)中對(duì)語(yǔ)音進(jìn)行個(gè)性化處理和生成具有特定語(yǔ)音特征的語(yǔ)音。同時(shí)允許開(kāi)發(fā)者創(chuàng)建無(wú)限數(shù)量的說(shuō)話人語(yǔ)音，合成出多樣性的語(yǔ)音，可以豐富用于訓(xùn)練自動(dòng)語(yǔ)音識(shí)別（ASR）和語(yǔ)音合成（TTS）模型的語(yǔ)音數(shù)據(jù)集，用于模型的訓(xùn)練，進(jìn)而實(shí)現(xiàn)不同的多方言或多情感的語(yǔ)音 AI 的應(yīng)用。

NVIDIA NeMo 是一個(gè)用于構(gòu)建先進(jìn)的對(duì)話式 AI 模型的開(kāi)源工具庫(kù)，它內(nèi)置集成了自動(dòng)語(yǔ)音識(shí)別（ASR）、自然語(yǔ)言處理（NLP）和語(yǔ)音合成（TTS）的模型及方法。NeMo 可以快速加載先進(jìn)的預(yù)訓(xùn)練模型 “開(kāi)箱即用”，使用模型的配置文件 “化繁為簡(jiǎn)”，進(jìn)而快速完成包括多說(shuō)話人語(yǔ)音合成在內(nèi)的各類對(duì)話式 AI 子任務(wù)。

本次網(wǎng)絡(luò)研討會(huì)主要是開(kāi)發(fā)人員 NLP 和語(yǔ)音人工智能發(fā)展的需求。

多說(shuō)話人語(yǔ)音融合

NVIDIA NeMo 代碼解析

11 月 24 日 20:00 - 21:30

演講主題

• 多說(shuō)話人語(yǔ)音融合的任務(wù)介紹

• 多說(shuō)話人語(yǔ)音融合的任務(wù)的模型

• 多說(shuō)話人語(yǔ)音嵌入的提取與合并

• 使用 NeMo 結(jié)合模型進(jìn)行推理

演講嘉賓

李奕澎 | NVIDIA 企業(yè)開(kāi)發(fā)者社區(qū)經(jīng)理

擁有多年數(shù)據(jù)分析建模、人工智能自然語(yǔ)言處理開(kāi)發(fā)經(jīng)驗(yàn)。在自動(dòng)語(yǔ)音識(shí)別、自然語(yǔ)言處理、語(yǔ)音合成等對(duì)話式 AI 技術(shù)領(lǐng)域有豐富的實(shí)戰(zhàn)經(jīng)驗(yàn)與見(jiàn)解。曾開(kāi)發(fā)法律、金融、保險(xiǎn)文檔中基于實(shí)體抽取的智能問(wèn)答系統(tǒng)，曾開(kāi)發(fā)基于 NLP 知識(shí)抽取，KG 知識(shí)圖譜的建立的科研文檔智能檢索系統(tǒng)。

參與方式

掃描上方二維碼即刻報(bào)名

相關(guān)資料

了解 NVIDIA NeMo 的更多信息