Ximalaya mengatasi masalah pertindihan pertuturan dan memenangi tempat pertama dalam cabaran persidangan antarabangsa untuk mempercepatkan inovasi AI

Ximalaya mengatasi masalah pertindihan pertuturan dan memenangi tempat pertama dalam Cabaran Persidangan Antarabangsa, mempercepatkan inovasi AI

Baru-baru ini, cabaran transkripsi persidangan berbilang saluran berbilang pihak (M2MeT2.0) bagi persidangan ucapan tertinggi antarabangsa ASRU 2023 (Pengiktirafan dan Pemahaman Pertuturan Automatik IEEE, Pengecaman dan Pemahaman Pertuturan Automatik) telah mencapai kesimpulan yang berjaya, dan Himalaya Everest Makmal mencapai keputusan cemerlang Memenangi gelaran juara.

Simposium ASRU ialah acara teknikal utama Jawatankuasa Teknikal Pertuturan dan Pemprosesan Bahasa (SLTC) IEEE, yang diadakan setiap dua tahun, menghimpunkan pakar dan penyelidik terkemuka dari akademia dan industri untuk membincangkan pelbagai isu pengenalan dan pemahaman pertuturan. Cabaran M2MeT2.0 ialah pertandingan utama ASRU pada tahun 2023. Matlamatnya adalah untuk menyelesaikan masalah pertindihan transkripsi pertuturan dalam bilik persidangan luar talian. Sebagai "adegan pesta koktel" biasa di mana ramai orang bercakap dengan bebas, adegan pertemuan sentiasa menjadi kesukaran dan tumpuan dalam bidang pengecaman pertuturan. Ia sangat penting untuk membangunkan kecerdasan buatan pertuturan untuk adegan pertemuan dan meneroka penyelesaian peringkat industri kepada masalah yang berkaitan.

Perlu diingat bahawa ini bukan kali pertama Himalaya menyertai Cabaran M2MeT ASRU. Dalam Cabaran M2MeT yang pertama, Ximalaya bekerjasama dengan Universiti Sains dan Teknologi China dan memenangi tempat ketiga dalam trek log pembesar suara, mencapai kadar ralat log hanya 4.05%. Dalam cabaran sulung, penilaian menggunakan kadar ralat aksara (CER) sebagai metrik dan hanya menyalin audio kepada teks tanpa mengambil kira label pembesar suara. Berdasarkan kejayaan sesi pertama, Cabaran M2MeT2.0 akan menumpukan pada penilaian berkaitan pembesar suara, menggalakkan pengamalan sistem pengecaman pertuturan berbilang pembesar suara, dan menyediakan dua sub-trek, data terhad dan data tidak layak.

Untuk menyahut cabaran ini, Makmal Himalaya Everest bermula daripada rangka kerja asas pengecaman pertuturan dan melancarkan penerokaan teknikal dalam teknologi pengesanan pertuturan alias dan teknologi log pembesar suara. Ximalaya mencapai keputusan tempat pertama yang cemerlang dalam kedua-dua set data terhad dan sub-trek set data terbuka Cabaran M2MeT2.0.

Set data Cabaran M2MeT2.0 tahun ini mengandungi data berskala besar yang sebenar, berbilang senario, berbilang modal, meliputi pelbagai bilik persidangan dengan saiz dan susun atur yang berbeza, meniru pelbagai perabot, mesyuarat tetap dengan tema yang berbeza dan pelbagai bunyi Dalaman . Bunyi bertindih ini, seperti suara manusia, bunyi TV, bunyi kipas dan penghawa dingin, bunyi papan kekunci, bunyi buka/tutup pintu, bunyi gelembung, dsb., meningkatkan kesukaran permainan. Dengan serentak menggunakan susunan mikrofon untuk merakam bunyi jauh dan mikrofon set kepala untuk merakam bunyi dekat, transkripsi tepat pertuturan pembesar suara yang sepadan dipastikan. Set data ini mempunyai kepentingan akademik yang besar untuk kajian pengecaman pertuturan berbilang pembesar suara dan masalah pertindihan pertuturan, serta menyediakan sumber data yang sebenar dan pelbagai untuk mencari penyelesaian peringkat industri.

Semua penceramah dalam set data Cabaran M2MeT2.0 adalah penutur asli bahasa Cina Himalaya mengambil bahagian secara aktif melalui gabungan industri, akademik dan penyelidikan, dan komited untuk menyumbang kepada pembangunan teknologi pengecaman pertuturan tempatan China. Dalam Cabaran M2MeT2.0, Himalaya mempamerkan teknologi pengecaman dan pengecaman pertuturan (ASR) yang cemerlang dan menunjukkan prestasi cemerlang Pasukan Makmal Everestnya menggunakan pengecaman pembesar suara yang dibangunkan sendiri, peningkatan pertuturan dan modul pengecaman pertuturan untuk Dengan pengoptimuman dan pengalaman, kejayaan yang ketara telah dicapai. dibuat dalam pertindihan pertuturan dan persekitaran berbilang pembesar suara. Dengan menggabungkan pembelajaran mendalam dan model rangkaian saraf, Himalaya Everest Laboratory dapat menyalin dan mengenal pasti serta memisahkan pertuturan berbilang pembesar suara secara tepat dalam masa nyata.

Teknologi berkaitan Ximalaya bukan sahaja telah disahkan dalam Cabaran ASRU 2023 M2MeT2.0, tetapi juga telah digunakan dan diperkasakan dalam pengeluaran kandungan AIGC Ximalaya. Pada masa ini, teknologi Pengecaman Pertuturan Automatik (ASR) Ximalaya telah digunakan secara meluas dalam fungsi skrip AI bagi Aplikasi Ximalaya Ia menyalin kandungan suara tanpa skrip dalam platform Himalaya dan mengeluarkan teks yang sepadan, dengan itu memudahkan pendengar untuk menjadi lebih baik. memahami kandungan suara. Pada masa yang sama, untuk kandungan bunyi manuskrip asal, fungsi manuskrip AI Ximalaya menggunakan teknologi penjajaran audio dan teks ultra-panjang untuk mengecap masa bunyi dan manuskrip untuk mencapai penyerlahan segerak bagi main balik bunyi dan teks yang sepadan, membolehkan pengguna untuk Lebih mudah untuk menikmati pengalaman penggunaan kandungan mendengar dan menonton pada masa yang sama.

Selain teknologi ASR, teknologi TTS (sintesis pertuturan) Himalaya juga berada di barisan hadapan dalam industri dan telah digunakan secara meluas dalam penghasilan penceritaan, berita, novel dan kandungan lain Himalaya telah menyepadukan modul pengekstrakan irama bebasnya ke dalam HiTTS Rangka kerja teknikal menghasilkan semula "suara" Shan Tianfang dengan sempurna. Menurut laporan, Ximalaya telah melancarkan lebih daripada 100 album yang disintesis oleh bunyi yang disintesis AI oleh Shan Tianfang, dan volum main balik terkumpul telah melebihi 100 juta kali.

Selama bertahun-tahun, Himalaya telah menjalankan penyelidikan mendalam dalam bidang teknologi suara AI, Makmal Everestnya telah lama memberi tumpuan kepada penyelidikan dan inovasi dalam sintesis pertuturan, analisis emosi, pengecaman pertuturan dan bidang lain. Dengan menyertai Cabaran M2MeT2.0 ASRU 2023 dan memenangi kejuaraan, Himalaya mengukuhkan lagi kedudukan utamanya dalam bidang teknologi suara dan menunjukkan keupayaan cemerlangnya untuk menyelesaikan senario suara yang kompleks.

Sebagai platform audio dalam talian yang disukai oleh pengguna, Himalaya sentiasa berpegang kepada konsep memperkasakan budaya dengan teknologi, sentiasa menyepadukan teknologi dengan pencipta dan pengguna untuk meningkatkan kecekapan pengeluaran kandungan dan memberikan pengalaman kandungan yang sangat baik. Ximalaya juga akan terus menggabungkan teknologi suara canggih dan pintar dengan bunyi melalui pemerkasaan teknologi dan integrasi industri, akademik dan penyelidikan, untuk menyediakan pengguna dengan produk dan perkhidmatan teknologi suara yang cemerlang.

Atas ialah kandungan terperinci Ximalaya mengatasi masalah pertindihan pertuturan dan memenangi tempat pertama dalam cabaran persidangan antarabangsa untuk mempercepatkan inovasi AI. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!