ICASSP 2024语音与信号处理技术论文精选

国际声学、语音与信号处理会议（ICASSP 2024）于4月14日至19日在韩国首尔举行。某中心作为"全球最大最全面的信号处理及其应用技术会议"的青铜赞助商参与本次会议。

会议亮点

某中心的参与包括组织"可信语音处理"研讨会，该研讨会的两位组织者是某中心人工智能基础组织的研究人员。此外，某中心设备部门的高级研究科学经理将发表题为"算法开发的合成数据：实际案例与经验教训"的专题演讲。

主要研究领域

自动语音识别（ASR）

• 最大间隔传感器损失：通过大间隔学习策略改进序列判别训练
• Promptformer：基于提示的Conformer传感器ASR模型
• 对话语音助手的重要ASR错误检测
• 面向任务对话作为自监督自动语音识别的催化剂

语音增强

• NoLACE：通过自适应时域整形改进低复杂度语音编解码增强
• 基于双路径结构的实时立体声语音增强与空间线索保留
• 使用改进的冷扩散进行可扩展高效语音增强：残差学习方法

口语理解

• S2E：从声学信号到端到端实体解析解决方案
• 通过词混淆网络的上下文学习实现ASR鲁棒的口语理解

对话系统

• 结合声学和大语言模型的对话轮换与反馈预测

副语言学

• 副语言学增强的大语言模型在口语对话中的应用

音高估计

• 基于DSP辅助的神经音高估计：低复杂度且抗噪声

唤醒词识别

• 通过神经模型重编程实现端到端ASR的热修复唤醒词识别
• 基于最大熵对抗音频增强的关键词检测

说话人识别

• 后训练嵌入对齐用于解耦注册和运行时说话人识别模型

计算机视觉

• 基于图神经网络的2D化妆迁移中的肤色解缠

负责任AI

• 利用置信度模型识别语音模型中具有挑战性的数据子组

技术特点

这些论文展示了在语音信号处理领域的前沿技术，包括：

• 新型序列判别训练标准
• 自监督学习方法
• 低复杂度算法设计
• 实时处理技术
• 多模态融合方法
• 对抗性增强技术

所有研究都致力于推动语音技术的发展，为实际应用提供更高效、更准确的解决方案。