پروژه كانفورمر فارسی
مقدمه
مدل كانفورمر (Conformer) مدل جدیدی در حوزه پردازش صوت است كه شبكه های Transformerی را باCNN تركیب كرده است. به نظر میر...
05
آذر
مقالات علمی
28
آبان
چگونگی اعمال pre-trained Wav2Vec2.0 تشخيص خودكار گفتار در يك استاندارد ارتباطات كنترل ترافيك هوايی
مقدمه
تشخیص خودكار گفتار (ASR) می تواند گفتار را به متون قابل خواندن توسط كامپیوتر ترجمه كند. در كنترل ترافیك هوایی(ATC) راه...
25
آبان
آموزش مدل فارسي تبديل متن به گفتار با استفاده از ابزارها و فريم ورك هاي انويديا
مقدمه
در این پروژه دو محصول چدید NVIDIA در حوزه ی پردازش گفتار را بررسی می كنیم محصول اول RIVA NVIDIA نام دارد كه برای تبدیل...
11
آبان
جداسازی گفتار
مقدمه
در این گزارش در ابتدا به بیان مسئله پرداخته شده است و با بررسی مقاله هاي مرتبط در زمینه Separation Speech سعی شده است ...
11
آبان
Audio Source Separation
مقدمه
جداسازي منابع صوتي يكي از مباحثي است كه در طي چندين سال گذشته تحقيقات زيادي بر روي آنها صورت گرفته است. پيش از ۱۰ سال ...
19
شهریور
پیکره متنی فارسی ناب
پیکره متنی ناب
پیکره متنی بزرگ از مهمترین نیازهای آموزش مدلهای شبکه عصبی عمیق به خصوص شبکههای بر پایه ترنسفورمر است. ضرو...
12
شهریور
جداسازی منابع صوتی با تركيب شبكه عصبی كانولوشنال و بازگشتی
مقدمه
جداسازی منابع صوتی (مانند زمانی كه چند شخص همزمان صحبت می كنند) یكی از مباحثی است كه پژوهش های زیادی در زمینه آن انجام...
05
شهریور
تشخيص گفتار خودكار برای كنترل ترافيك هوايی
مقدمه
كنترلرهای ترافیك هوایی نقش مهمی در جداسازی هواپیماها در حریم هوایی و سطح فرودگاه دارند و مقدار قابل توجهی از مكالمات ب...
29
مرداد
مدل خود-ناظر AV-HuBERT
مدل AV-HuBERT، یک گام جلوتر برای درک محتوای صوتی با استفاده از داده های بصری
مقدمه
صوت، یکی از مهمترین حالات انرژی...
03
خرداد
پرسش و پاسخ مکالمهای با بازنویسی سؤالات
مقدمه
در این پست قصد داریم به روشهای مختلف ارائه شده در پرداختن به مسألهی پرسش و پاسخ مکالمهای با استفاده از بازنویسی سؤا...