多說話人語音融合任務(wù)是 TTS 語音合成當中的一個子任務(wù)，它是指將兩個或者多個說話人的聲音進行融合，合成出新的語音的過程，而不需要做任何進一步的微調(diào)。多說話人語音融合可以通過插值的方式代替預(yù)訓練模型中原始說話人的語音。說話人語音融合技術(shù)可用于在語音合成系統(tǒng)中對語音進行個性化處理和生成具有特定語音特征的語音。同時允許開發(fā)者創(chuàng)建無限數(shù)量的說話人語音，合成出多樣性的語音，可以豐富用于訓練自動語音識別（ASR）和語音合成（TTS）模型的語音數(shù)據(jù)集，用于模型的訓練，進而實現(xiàn)不同的多方言或多情感的語音 AI 的應(yīng)用。

NVIDIA NeMo 是一個用于構(gòu)建先進的對話式 AI 模型的開源工具庫，它內(nèi)置集成了自動語音識別（ASR）、自然語言處理（NLP）和語音合成（TTS）的模型及方法。NeMo 可以快速加載先進的預(yù)訓練模型 “開箱即用”，使用模型的配置文件 “化繁為簡”，進而快速完成包括多說話人語音合成在內(nèi)的各類對話式 AI 子任務(wù)。

本次網(wǎng)絡(luò)研討會主要是開發(fā)人員 NLP 和語音人工智能發(fā)展的需求。

多說話人語音融合

NVIDIA NeMo 代碼解析

11 月 24 日 20:00 - 21:30

演講主題

• 多說話人語音融合的任務(wù)介紹

• 多說話人語音融合的任務(wù)的模型

• 多說話人語音嵌入的提取與合并

• 使用 NeMo 結(jié)合模型進行推理

演講嘉賓

李奕澎 | NVIDIA 企業(yè)開發(fā)者社區(qū)經(jīng)理

擁有多年數(shù)據(jù)分析建模、人工智能自然語言處理開發(fā)經(jīng)驗。在自動語音識別、自然語言處理、語音合成等對話式 AI 技術(shù)領(lǐng)域有豐富的實戰(zhàn)經(jīng)驗與見解。曾開發(fā)法律、金融、保險文檔中基于實體抽取的智能問答系統(tǒng)，曾開發(fā)基于 NLP 知識抽取，KG 知識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名

相關(guān)資料

了解 NVIDIA NeMo 的更多信息