ICASSP 2024 语音技术前沿论文速览

会议背景

国际声学、语音与信号处理会议（ICASSP 2024）于 4 月 14-19 日在首尔举行。某机构作为铜牌赞助商参与，并组织了"可信语音处理"研讨会，由 AGI 基础组织的高级应用科学家 Anil Ramakrishna 和研究经理 Rahul Gupta 共同主持。

技术亮点

1. 语音识别（ASR）创新

2. 最大间隔转录器损失：通过大间隔学习策略改进序列判别训练，从预训练模型的 N-best 列表中分离优质/劣质假设

3. Promptformer 架构：基于 Conformer 转录器的新型 ASR 框架

4. 对话引导的自监督学习：利用任务型对话提升 ASR 性能

5. 端到端实体解析

6. S2E 系统：直接从音频信号解析实体指称到文本目录的可操作实体，架构包含声学编码器与实体链接模块

7. 语音增强技术

8. NoLACE 算法：通过自适应时域整形改进低复杂度语音编解码增强

9. 实时立体声增强：基于双路径结构保持空间线索

10. 说话人识别

11. 嵌入对齐技术：解耦注册模型和运行时模型的参数更新

12. 唤醒词检测

13. 神经模型重编程：通过热修复技术适配端到端 ASR 系统

14. 最大熵对抗增强：提升关键词识别的鲁棒性

其他研究方向

• 副语言学增强：结合大语言模型建模对话中的非语言信息

• 音高估计：低复杂度 DSP 辅助的神经网络方法

• 负责任 AI：利用置信度模型识别语音模型中的挑战性数据子群

更多精彩内容 请关注我的个人公众号 公众号（办公 AI 智能小助手）或者 我的个人博客 https://blog.qife122.com/公众号二维码

办公AI智能小助手