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

问小白

问小白

全能AI智能助手,随时解答生活与工作的多样问题

问小白,由元石科技研发的AI智能助手,快速准确地解答各种生活和工作问题,包括但不限于搜索、规划和社交互动,帮助用户在日常生活中提高效率,轻松管理个人事务。

热门AI助手AI对话AI工具聊天机器人
Transly

Transly

实时语音翻译/同声传译工具

Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手,它拥有超精准的音频识别翻译能力,几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球,无论你是留学生、商务人士、韩剧美剧爱好者,还是出国游玩、多国会议、跨国追星等等,都可以满足你所有需要同传的场景需求,线上线下通用,扫除语言障碍,让全世界的语言交流不再有国界。

讯飞智文

讯飞智文

一键生成PPT和Word,让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级,全面对标OpenAI o1

科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。

Trae

Trae

字节跳动发布的AI编程神器IDE

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
咔片PPT

咔片PPT

AI助力,做PPT更简单!

咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文,一站式创作,让内容运营更高效

讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台,公文写作神器

AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

下拉加载更多