speech_course

speech_course

全面语音处理技术课程,从信号处理到人工智能应用

这门课程全面涵盖语音处理技术,从数字信号处理基础到先进的语音识别和合成方法。内容包括声音活动检测、语音事件识别、关键词检测、语音生物识别等,并延伸至深度学习在语音领域的应用。课程采用讲座、研讨会和实践作业相结合的方式,辅以详细的幻灯片和视频资料,旨在帮助学习者掌握现代语音处理的理论知识和实际技能。

语音处理数字信号处理语音识别语音合成YSDAGithub开源项目

YSDA Speech Processing Course

  • Materials for each week are in ./week* folders

Course program

  • Week 1: Slides | Lecture | Seminar
    • Lecture: Intro to Digital Signal Processing (DSP)
    • Seminar: Implement DSP pipeline
  • Week 2: Slides | Lecture | Seminar
    • Lecture: Introduction to speech NN discriminative models. Voice Activity Detection (VAD) and Sound Event Detection (SED) tasks
    • Seminar: Train VAD models
    • Homework: Train SED models
  • Week 3: Slides | Lecture | Seminar
    • Lecture: Keyword Spotting and Speech Biometrics tasks
    • Seminar: Train Biometrics model and look at embeddings
    • Homework: Train Biometrics model to better quality
  • Week 4: Slides | Lecture | Seminar
    • Lecture: Speech Recognition I
    • Seminar: Metrics and augmentations for speech recognition
    • Homework: Implement CTC algorithm
  • Week 5: Slides | Lecture
    • Lecture: Speech Recognition II, Pretraining
    • Homework: Finetune Wav2Vec2
  • Week 6: Slides | Lecture
    • Lecture: Text-to-Speech I, intro, preprocessor, metrics
  • Week 7: Slides | Lecture
    • Lecture: Text-to-Speech II, Acoustic models
    • Seminar: Pitch estimation, Monotonic Alignment Search for phoneme duration estimation
    • Homework: Train FastPitch model
  • Week 8: Slides, p1 | Lecture, p1 | Slides, p2 | Lecture, p2 | Seminar
    • Lecture, p1: Text-to-Speech III, Vocoding
    • Lecture, p2: Vector Quantization, Codecs
    • Seminar: Vector Quantizaton, Residual Vector Quantization
  • Week 9: Slides | Lecture, p1 | Lecture, p2
    • Lecture: Tranformers for TTS
    • Homework: write inference for pre-trained transformer
  • Week 10: Slides | Lecture | Seminar
    • Lecture: noise reduction
    • Seminar: Streaming STFT and ISTFT
    • Homework: Noise reduction model implementation
  • Week 11: Slides | Lecture
    • Lecture: Acoustic Echo Cancelation (AEC) and Beamforming
  • Week 12: Slides | Lecture | Seminar
    • Lecture: ASR Inference
    • Seminar: Streaming ASR
  • Week 13: Slides | Lecture
    • Lecture: Flow based TTS + Voice Conversion

Contributors & course staff

Current:

  • Alex Rak - VAD, spotter, biometry
  • Mikhail Andreev - ASR
  • Stepan Kargaltsev - ASR
  • Evgeniia Elistratova - TTS
  • Roman Kail - TTS
  • Vladimir Platonov - TTS
  • Evgenii Shabalin - TTS
  • Ravil Khisamov - VQE

Previous iteration:

  • Andrey Malinin - Course admin, lectures, seminars, homeworks
  • Vladimir Kirichenko - lectures, seminars, homeworks
  • Segey Dukanov - lecures, seminars, homeworks

编辑推荐精选

扣子-AI办公

扣子-AI办公

职场AI,就用扣子

AI办公助手,复杂任务高效处理。办公效率低?扣子空间AI助手支持播客生成、PPT制作、网页开发及报告写作,覆盖科研、商业、舆情等领域的专家Agent 7x24小时响应,生活工作无缝切换,提升50%效率!

堆友

堆友

多风格AI绘画神器

堆友平台由阿里巴巴设计团队创建,作为一款AI驱动的设计工具,专为设计师提供一站式增长服务。功能覆盖海量3D素材、AI绘画、实时渲染以及专业抠图,显著提升设计品质和效率。平台不仅提供工具,还是一个促进创意交流和个人发展的空间,界面友好,适合所有级别的设计师和创意工作者。

图像生成AI工具AI反应堆AI工具箱AI绘画GOAI艺术字堆友相机AI图像热门
码上飞

码上飞

零代码AI应用开发平台

零代码AI应用开发平台,用户只需一句话简单描述需求,AI能自动生成小程序、APP或H5网页应用,无需编写代码。

Vora

Vora

免费创建高清无水印Sora视频

Vora是一个免费创建高清无水印Sora视频的AI工具

Refly.AI

Refly.AI

最适合小白的AI自动化工作流平台

无需编码,轻松生成可复用、可变现的AI自动化工作流

酷表ChatExcel

酷表ChatExcel

大模型驱动的Excel数据处理工具

基于大模型交互的表格处理系统,允许用户通过对话方式完成数据整理和可视化分析。系统采用机器学习算法解析用户指令,自动执行排序、公式计算和数据透视等操作,支持多种文件格式导入导出。数据处理响应速度保持在0.8秒以内,支持超过100万行数据的即时分析。

AI工具酷表ChatExcelAI智能客服AI营销产品使用教程
TRAE编程

TRAE编程

AI辅助编程,代码自动修复

Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
AIWritePaper论文写作

AIWritePaper论文写作

AI论文写作指导平台

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

AI辅助写作AI工具AI论文工具论文写作智能生成大纲数据安全AI助手热门
博思AIPPT

博思AIPPT

AI一键生成PPT,就用博思AIPPT!

博思AIPPT,新一代的AI生成PPT平台,支持智能生成PPT、AI美化PPT、文本&链接生成PPT、导入Word/PDF/Markdown文档生成PPT等,内置海量精美PPT模板,涵盖商务、教育、科技等不同风格,同时针对每个页面提供多种版式,一键自适应切换,完美适配各种办公场景。

AI办公办公工具AI工具博思AIPPTAI生成PPT智能排版海量精品模板AI创作热门
潮际好麦

潮际好麦

AI赋能电商视觉革命,一站式智能商拍平台

潮际好麦深耕服装行业,是国内AI试衣效果最好的软件。使用先进AIGC能力为电商卖家批量提供优质的、低成本的商拍图。合作品牌有Shein、Lazada、安踏、百丽等65个国内外头部品牌,以及国内10万+淘宝、天猫、京东等主流平台的品牌商家,为卖家节省将近85%的出图成本,提升约3倍出图效率,让品牌能够快速上架。

下拉加载更多