新工宝引领“互联网+灵活就业”时代 为行业注入新动力专业办公神机,TCL办公智屏三项颠覆性设计,重新定义办公大屏数智增长,绝味鸭脖爆品营销“人工智能+” ,新品爆一脖39天卖了15亿《龙之信条 2》评测,影驰 RTX 4070 SUPER 星曜搭配DLSS 即可畅玩4K!蔡怀军:以“智”提“质”,文化和科技融合的芒果思考神策数据:三大能力解读,释放小程序分析的真正价值摩托罗拉Edge 50 Ultra手机渲染:骁龙8s Gen3芯片,配柔和桃等三种颜色谷歌Pixel8手机将引入Gemini Nano本地模型:可总结录音、生成信息2024全球高端手机(600-799美元)出货量预估增长17%:苹果、华为引领1TB+独家双模双向卫星通信,Find X7 Ultra 卫星通信版预售开启顺丰控股 2023 年营收 2584 亿元,同比下降 3.39%传元戎成为长城汽车第二智驾供应商,靠激进的端到端投入谷歌DeepMind推出“超人类”AI系统SAFE,擅长事实核查,节约成本并提高准确性雷军把小爱同学喊崩了:小米SU7发布会触发全国小米音箱谷歌发布图像局部重绘项目ObjectDrop 插入物体和环境完美融合长城汽车2023年营收1,732亿元 同比增长26.12%周鸿祎:打算开源360AI浏览器 让国内所有大模型都能支持超过20万字AI21发布世界首个Mamba的生产级模型Jamba 支持256K上下文长度怪兽充电 2023 年第四季度营收同比下降 18.3%天猫魔屏C2新品发布,终身会员投影仪引领行业格局, 亮相中国网络视听大会
  • 首页 > 产经新闻频道 > 业界新闻

    京东语音技术获国际认可 国际语音顶会INTERSPEECH 2020收录其4篇论文

    2020年12月11日 09:58:32   来源:中文科技资讯

      从2017年全面向技术转型至今,京东不仅用技术重塑了零售的生态,更是突破了零售的边界,将技术全面拓展至数字科技、物流、健康等众多领域。然而,由于与零售密切相关,大多数消费者仅在购物、物流等环节体验到京东的技术进步。其实,在这些常见场景之外,京东的语音技术也已经拥有成熟的应用领域,例如京东智能客服和京东物流大件外呼,语音技术的相关研究也取得了重大进展,并获得国际认可。

      备受全球关注的第21届国际语音通讯会议INTERSPEECH2020在上海召开。作为国际语音通讯协会(International Speech Communication Association,ISCA)主办的顶级国际会议,INTERSPEECH是国际公认的语音领域两大顶会之一。此次会议共接收有效论文投稿2140篇,录取1022篇,覆盖语音、信号处理、口语语言处理等多个方面。京东AI研究院共计4篇论文被收录其中,包括独立发表的3篇论文及与德克萨斯大学达拉斯分校联合发表的1篇论文,内容涵盖语音识别、语音增强、声纹识别、语音合成等多个技术方向的创新突破。

      声源定位、增强和辨识是涉及到人机交互、语音增强、数字信号处理等的重要技术,在智能家居、智能安防等领域具有重要的应用价值。而在实际应用中,噪声与混响的存在常常会导致算法性能下降,尤其在室内环境中,混响、多声源混叠等干扰尤为明显。如何有效利用麦克风阵列及传统声学处理方法,和深度神经网络结合,提高复杂环境下的声源定位、增强和辨识任务的性能,具有重要的科学意义和应用价值。

      针对声源定位和辨识问题,京东AI研究院在《Sound Event Localization and Detection Based on Multiple DOA Beamforming and Multi-task Learning》论文中提出了一种基于多方位波束形成和多任务学习的声音事件检测和定位方法,主要特点为利用传统声学信号处理为神经网络提供更为丰富的信息。具体而言,通过指向不同预定方位的固定波束形成,可提取各个方位的声源信号,并抑制该方位之外的干扰信号。该方法无需预先进行声源定位或掩蔽估计,即可获得差异化、多样化的声学空间表示。根据在DCASE2019声音事件检测和定位数据集上进行的评估,显示这个算法取得了最好的综合性能。

      为了降低混响以增强语音,京东AI研究院与国际语音通讯协会主席John Hansen研究组进行了合作,和德克萨斯大学达拉斯分校共同发表了《SkipConvNet: Skip Convolutional Neural Network for Speech Dereverberation using Optimally Smoothed Spectral Mapping》,提出利用全卷积神经网络提升语音降混响,并提高语音识别和说话人识别的性能。基于“SkipConvNet”的降混响算法,用多个卷积网络替换UNet的每个跳层连接,为decoder供更为直观的信息表示。论文还提出了基于最优平滑功率谱估计的预处理步骤,以提高对复杂条件下语音功率谱的表达能力。实验结果表明,这一方法在语音客观质量评估上显著优于基线系统,并明显提升混响条件下的语音识别/说话人识别的评估指标。

      语音识别及声学前端处理的技术提升为语音交互成为人机交互的重要入口提供了技术支撑。但只识别指令内容是不够的,真正的智能交互产生的基础是机器能识别、区分说话人的身份,这就需要依托声纹识别技术。

      京东AI在《The JD AI Speaker Verification System for the FFSVC 2020 Challenge》一文中,基于FFSVC2020比赛提供的1100小时共计120个说话人的数据,京东提出了面向远场说话人识别的多套数据增强方案。首先,通过波束形成、通道交换和降混响等技术,我们将远场数据变换到近场;其次,通过估计FFSVC2020近场到远场数据的房间冲激响应以及仿真生成大量的房间冲激响应,我们增加卷积噪声以将近场数据变换到远场;最后,基于录制的大量的环境噪声,在近场数据上进一步叠加了加性噪声。本文详细测试了上述数据增强方案的性能,并通过实验结果验证系统性能可以得到大幅提升。

      除了在语音识别技术能力上进行深入研究外,京东还在语音合成的推理速度上进行了更多探索。在《Efficient WaveGlow: An Improved WaveGlow Vocoder with Enhanced Speed》一文中,京东提出了Efficient WaveGlow框架。和传统的WaveGlow框架一样,Efficient WaveGlow采用归一化流作为网络框架,每一个流操作由一个affine coupling layer和可逆的1x1卷积层构成。通过对Efficient WaveGlow进行改进,京东实现了在没有明显的声音质量下降的情况下,实现CPU上推理速度6倍的提升以及P40显卡上推理速度5倍的提升。

      京东语音技术能获得国际认可,与其对技术研发的重视密不可分。这些技术将进一步增强京东的智能语音能力。目前,京东智能语音技术已经在智能外呼机器人、客服语音机器人等电话交互场景中实现成熟应用。在技术的加持下,京东不仅会夯实在零售生态的实力与地位,还可以通过技术赋能金融、医疗、教育、健康等行业,为更多用户提供便利服务。

      文章内容仅供阅读,不构成投资建议,请谨慎对待。投资者据此操作,风险自担。

    [No. S029]
    分享到微信

    即时探行数字人注册免费试用

    第三代骁龙8s平台,“恰逢其时”的“新生代旗舰”之选

    日前,高通举办新品发布会,推出了骁龙8旗舰移动平台诞生以来的第一款新生代旗舰平台:第三代骁龙8s,这是高通对骁龙旗舰移动平台的一次层级扩展,同时意味着广大消费者未来在旗舰手机市场也将会有更多丰富的选择。

    新闻探行AI智能外呼系统 节省80%人力成本

    敢闯技术无人区 TCL实业斩获多项AWE 2024艾普兰奖

    近日,中国家电及消费电子博览会(AWE 2024)隆重开幕。全球领先的智能终端企业TCL实业携多款创新技术和新品亮相,以敢为精神勇闯技术无人区,斩获四项AWE 2024艾普兰大奖。

    企业IT探行AI客服 24小时无休机器人接待

    重庆创新公积金应用,“区块链+政务服务”显成效

    “以前都要去窗口办,一套流程下来都要半个月了,现在方便多了!”打开“重庆公积金”微信小程序,按照提示流程提交相关材料,仅几秒钟,重庆市民曾某的账户就打进了21600元。

    3C消费探行AI视频 快速生成真人营销视频

    “纯臻4K 视界焕新”——爱普生4K 3LCD 激光工程投影

    2024年3月12日,由爱普生举办的主题为“纯臻4K 视界焕新”新品发布会在上海盛大举行。

    研究探行AI整体解决方案 全国招募代理

    2024全球开发者先锋大会即将开幕

    由世界人工智能大会组委会、上海市经信委、徐汇区政府、临港新片区管委会共同指导,由上海市人工智能行业协会联合上海人工智能实验室、上海临港经济发展(集团)有限公司、开放原子开源基金会主办的“2024全球开发者先锋大会”,将于2024年3月23日至24日举办。