「揭秘」Speech AI 技術(shù)發(fā)展與前沿應(yīng)用
Speech AI 線上技術(shù)研討會
精彩議程搶先看
自二十世紀下半葉第一個基于計算機的語音合成系統(tǒng)誕生，至以隱馬爾可夫模型為代表的統(tǒng)計機器學(xué)習(xí)合成語音占據(jù)主流，再到近十年來基于神經(jīng)網(wǎng)絡(luò)的語音合成快速發(fā)展，計算機語音合成技術(shù)如今已能媲美真人發(fā)聲，并走向大規(guī)模的商業(yè)化落地階段。
Gartner 技術(shù)成熟度曲線表明，語音識別和語音合成技術(shù)如今已經(jīng)達到穩(wěn)步爬升恢復(fù)期和生產(chǎn)成熟期。國內(nèi)的智能語音市場也形成了比較成熟的格局，智能語音科技企業(yè)和互聯(lián)網(wǎng)企業(yè)成為主導(dǎo)。因此，要實現(xiàn)差異化競爭，企業(yè)也在紛紛思考如何從單一的智能語音技術(shù)提供商轉(zhuǎn)型為提供全方位的人工智能技術(shù)和應(yīng)用的服務(wù)商。此外，盡管技術(shù)已經(jīng)趨近成熟，門檻大大降低，開發(fā)和運行可落地的語音人工智能服務(wù)仍然是一項復(fù)雜而艱巨的任務(wù)，通常需要面臨實時性、可理解性、自然性、低資源、魯棒性等挑戰(zhàn)。
在智能語音市場的競爭格局中，一大空缺是算法、通用類芯片和云端 AI 芯片。借助以 GPU 為代表的通用類芯片上的技術(shù)優(yōu)勢，NVIDIA 進軍了智能語音領(lǐng)域。基于自動語音識別（ ASR ）和語音合成（ TTS ），NVIDIA Riva 簡化了開發(fā)語音 AI 服務(wù)的端到端流程，并為語音交互提供實時性能。此外，包括 NVIDIA TensorRT 和 Triton 推理服務(wù)器在內(nèi)的諸多 NVIDIA 技術(shù)也幫助各種 Speech AI 工作負載進行大幅的降本增效。不論是 AI 呼叫中心、虛擬主力語音接口，還是視頻會議中的實時字幕等應(yīng)用，NVIDIA GPU 及 NVIDIA 加速技術(shù)都在幫助用戶進一步為技術(shù)落地降低門檻，為自動駕駛、醫(yī)療等場景的智能語音應(yīng)用創(chuàng)新賦能。
2022 年 10 月 25 日和 27 日，NVIDIA 在 DataFun 直播間，舉辦 Speech AI 線上技術(shù)研討會，由資深專家介紹 NVIDIA NeMo / RIVA 構(gòu)建語音應(yīng)用的工作流、GPU 加速和部署 Speech AI 任務(wù)全流程的最佳實踐，更榮幸邀請到了 WeNet 開源社區(qū)發(fā)起人為我們分享 WeNet 社區(qū)的最新技術(shù)進展。
議題介紹
★
NVIDIA NeMo 工具介紹，以及如何利用 NeMo 進行語音相關(guān)任務(wù)的訓(xùn)練
NeMo 是 NVIDIA 推出的一款主打GPU 訓(xùn)練的工具，可以支持常見的 Speech AI 相關(guān)的任務(wù)，例如ASR、NLP、TTS、Speaker Recognition 等。將以中文語音識別為例，介紹如何利用 NeMo 快速地完成該任務(wù)的訓(xùn)練。同時也會介紹 NeMo 中目前已有的一些功能，例如 VAD、說話人日志等。
通過本次演講您將收獲以下內(nèi)容：
如果利用 NeMo 訓(xùn)練 ASR 模型？
NeMo 對中文語音任務(wù)的支持有哪些？
NeMo 支持其他哪些 Speech processing 的任務(wù)？
演講嘉賓
丁文 NVIDIA 解決方案架構(gòu)師
畢業(yè)于上海交通大學(xué)，導(dǎo)師為俞凱教授。畢業(yè)后曾就職于頭部互聯(lián)網(wǎng)公司語音交互部門，主要負責(zé)流式 ASR 的迭代與優(yōu)化、粵語 ASR 等。目前就職于 NVIDIA，負責(zé) Riva 中文 ASR 模型迭代，中文 ASR 模型 GPU 部署方案落地與優(yōu)化等。
★
使用 NVIDIA Riva 部署企業(yè)級 ASR 服務(wù)
NVIDIA Riva 提供了最先進的 GPU 優(yōu)化部署解決方案，用于構(gòu)建和部署完全可定制的實時語音識別服務(wù)，用于諸如呼叫中心代理協(xié)助、虛擬助理、數(shù)字化身、品牌語音和視頻會議轉(zhuǎn)錄等應(yīng)用程序。
本次分享將為大家介紹 NVIDIA Riva 的主要特性，包括高精度的預(yù)訓(xùn)練語音模型，高性能推理模型，以及高可擴展的推理服務(wù)。
通過本次演講您將收獲以下內(nèi)容：
如何使用 NVIDIA Riva 在 GPU 上快速部署語音識別服務(wù)？
Riva 是如何針對 GPU 進行優(yōu)化加速的？
怎樣進行定制化達到更好的語音識別精度？
演講嘉賓
齊家興 NVIDIA 解決方案架構(gòu)師
德國亞琛工業(yè)大學(xué)博士，目前于英偉達企業(yè)解決方案部門擔(dān)任高級架構(gòu)師，多年來從事自然語言處理和語音識別等方向研究，助力多家企業(yè)基于 GPU 平臺實現(xiàn)高效易用的訓(xùn)練和推理平臺。他是英偉達 NeMo，Riva 語音識別訓(xùn)練推理平臺的中文模型開發(fā)者之一。
★
利用 Triton Inference Server 和 TensorRT 加速語音 AI 在云端的運行效率
演講將主要介紹云上部署端到端 ASR 服務(wù)最佳實踐以及云上部署端到端 TTS 服務(wù)最佳實踐。
通過本次演講您還將收獲以下內(nèi)容：
了解如何加速語音 AI 模型
了解如何節(jié)省語音 AI服務(wù)的部署成本
演講嘉賓
劉川 NVIDIA 資深解決方案架構(gòu)師
NVIDIA 中文語音解決方案主要負責(zé)人，對基于 GPU 的語音識別和語音合成在云上的部署有豐富經(jīng)驗。
★
WeNet 在 Speech AI 的應(yīng)用與探索
演講將主要介紹開源極簡史、語音開源簡史、WeNet 開源社區(qū)以及基于 GPU 的語音識別實踐。
通過本次演講您將收獲以下內(nèi)容：
了解 WeNet 開源社區(qū)
WeNet 社區(qū)中如何支持和使用 GPU
演講嘉賓
張彬彬 WeNet 開源社區(qū)發(fā)起人
碩士畢業(yè)于西北工業(yè)大學(xué)音頻語音與語音處理研究組。WeNet 開源社區(qū)發(fā)起人，主導(dǎo)了業(yè)界領(lǐng)先的開源端到端語音識別項目 WeNet 和大規(guī)模多領(lǐng)域中文語音識別開源數(shù)據(jù)集 WenetSpeech 的開發(fā)?，F(xiàn)任地平線語音算法專家，曾先后在微軟、出門問問等公司從事語音識別算法和產(chǎn)品研發(fā)。
參與方式
精彩連續(xù)，點擊“閱讀原文”或掃描下方海報二維碼，馬上注冊預(yù)約！
原文標(biāo)題：「揭秘」Speech AI 技術(shù)發(fā)展與前沿應(yīng)用
文章出處：【微信公眾號：NVIDIA英偉達企業(yè)解決方案】歡迎添加關(guān)注！文章轉(zhuǎn)載請注明出處。
-
英偉達
+關(guān)注
關(guān)注
22文章
3818瀏覽量
91492
原文標(biāo)題：「揭秘」Speech AI 技術(shù)發(fā)展與前沿應(yīng)用
文章出處：【微信號：NVIDIA-Enterprise，微信公眾號：NVIDIA英偉達企業(yè)解決方案】歡迎添加關(guān)注！文章轉(zhuǎn)載請注明出處。
發(fā)布評論請先 登錄
相關(guān)推薦
龍騰半導(dǎo)體第十五屆亞洲電源技術(shù)發(fā)展論壇精彩回顧
深度參與，共話未來 —— 吹田電氣亮相第十五屆亞洲電源技術(shù)發(fā)展論壇
直流高壓電源技術(shù)發(fā)展淺析
DEKRA德凱探討AI安全技術(shù)的前沿趨勢
揭秘高精度貼裝技術(shù)如何助力AI芯片量產(chǎn)飛躍
智能駕駛技術(shù)發(fā)展趨勢
《AI for Science：人工智能驅(qū)動科學(xué)創(chuàng)新》第二章AI for Science的技術(shù)支撐學(xué)習(xí)心得
科幻前沿技術(shù)發(fā)展論壇召開 十余名科幻大咖暢議科幻創(chuàng)意賦能科技創(chuàng)新
無線充電技術(shù)發(fā)展趨勢
Build 2024發(fā)布多項Azure AI Speech全新多模態(tài)功能
揭秘氣候技術(shù)發(fā)展的關(guān)鍵平臺Earth-2的核心—CorrDiff
高通在2024 MWC展示AI領(lǐng)域新突破
AI大模型加速落地! 西部數(shù)據(jù)助力數(shù)據(jù)中心智能化升級
工商網(wǎng)監(jiān)
評論