2020年10月25日-30日，備受全球關注的第21屆INTERSPEECH2020 國際會議將在上海舉辦，科大訊飛作為本屆頂會的獨家Founding贊助商，全程支持頂會在華順利落地。
據了解，INTERSPEECH 是國際語音通訊協會（International Speech Communication Association，ISCA）主辦的頂級國際會議，也是全世界公認的語音領域兩大頂會之一。
此次會議共接收有效論文投稿總數2140篇，錄取1022篇，覆蓋語音、信號處理、口語語言處理等多個方面。其中，科大訊飛研究院聯合中國科學技術大學語音實驗室共發表收錄14篇論文，覆蓋語音識別、語音合成、語音增強、語音情感識別、聲音事件檢測、說話人識別等多個技術方向的創新，這些論文將受邀在線上展示，「讓機器更好傾聽」再次展現科大訊飛源頭技術創新力，產學研用深度融合孕育撬動未來的力量。
在語音識別方向，科大訊飛重點針對說話人自適應技術進行研究。這是語音識別中的關鍵技術，目的是讓算法模型根據每個說話人不同的發音特性，進行快速自適應，從而達到更好的識別效果。
在《Speaker Adaptive Training for Speech Recognition Based on Attention-over-Attention Mechanism》論文中，針對這一技術難題，研發團隊提出了一種是基於層疊注意力（Attention-over-Attention）機制的方法，以提升句子級別的說話人表達的準確性與穩定性。該方法在SWB英文數據集和AISHELL-2中文數據集上相對說話人無關模型提升了8%以上，相對傳統的基於句子級別的d-vector自適應方案提升幅度超過6%，而相對基於幀級別注意力機制的自適應方案提升了4%。
在語音合成方向，非平行性語音轉換任務是學界研究的熱點和難點問題。語音轉換的目標是對輸入的源語音進行一定處理，使輸出聽起來像目標人的語音，並在這個過程中保持語義信息不變。它在個性化語音合成、娛樂應用、聲音匿名化處理等方面有廣泛的應用場景。
研發團隊在《Recognition-Synthesis Based Non-Parallel Voice Conversion with Adversarial Learning》中，提出了一種結合對抗學習的識別-合成非平行語音轉換模型。通過聯合優化識別合成模型，並引入對抗學習目標，使得語義特徵和說話人音色特徵更加解耦，從而提升語音轉換的相似度。
在語音增強方向，研發團隊將深度學習技術和傳統麥克風陣列算法進行結合，在CHiME-6（CHiME，國際多通道語音分離和識別大賽）雞尾酒會場景的語音分離和識別效果上取得了顯著的提升。 《A Space-and-Speaker-Aware Iterative Mask Estimation Approach to Multi-channel Speech Recognition in the CHIME-6 Challenge》論文中，研發人員提出一種基於空間-說話人同步感知的掩蔽信號迭代估計(Spatial-and-Speaker-Aware Iterative Mask Estimation, SSA-IME)的方法，對語音分離性能有顯著提升，並且在該任務所有提交系統中實現最低的詞錯誤率。
在說話人識別方向，如何獲取準確的說話人標籤一直是說話人識別的難點。研發團隊提出了結合說話人確認和說話人分類的方法，減少了算法模型對於精準標註數據的依賴，提升說話人識別的準確度。
這些源頭技術創新將進一步增強科大訊飛的智能語音能力，不但能夠賦能訊飛翻譯機、訊飛聽見、訊飛學習機等產品，使其不斷優化迭代，為用戶帶來更便捷、更優質的服務；還能賦能醫療、金融、司法、教育等行業領域，推動A.I.+行業的創新應用。
【免責聲明：CSDN本欄目發布信息，目的在於傳播更多信息，豐富網絡文化，稿件僅代表作者個人觀點，與CSDN無關。其原創性以及中文陳述文字和文字內容未經本網證實，對本文以及其中全部或者部分內容、文字的真實性、完整性、及時性本網不做任何保證或者承諾，請讀者僅作參考，並請自行核實相關內容。凡註明為其他媒體來源的信息，均為轉載自其他媒體，轉載並不代表本網贊同其觀點，也不代表本網對其真實性負責。您若對該稿件由任何懷疑或質疑，請即與CSDN聯繫，我們將迅速給您回應並做處理。】