人工智能技术的进步推动了语音处理与识别的快速发展，使得语音处理与识别成为人工智能应用最广泛的领域之一。
语音处理与识别技术与人工智能结合，不仅能够实现机器的语音合成、对语音的自动识别和发音人的自动辨识，还可以实现各种语句的自动识别甚至语言的自动理解，助推人机语音交互应答系统的诞生，并有望将脑信号直接转换为语音，进一步推动人机智能交互技术的进步。
1.美国哥伦比亚大学和德国不来梅大学等尝试利用人工智能破译大脑语言信号
美国哥伦比亚大学和德国不来梅大学（UniversittBremen）等组成的科研团队，尝试利用人工智能破译大脑语言信号。研究人员结合深度学习和语音合成技术，使用大脑数据训练人工智能系统，可以将大脑活动数据转换成语音。
研究人员在受试者大声朗读、默念或听录音时监控大脑活动并采集数据，再把收集到的大脑信号转换成人类能够理解的单词和简单句，准确率为40%～80%。
2.日本东芝开发出可将语音转换成简洁文字的技术
日本东芝（Toshiba）开发出的新技术可利用人工智能，立即将会议及演讲的语音转换成易于阅读的文字，并通过字幕显示出来。
相较以往的语音转换技术而言，该技术除了能识别话语中的停顿等，还能通过预测接下来出现的词语，将口语中无意义的词语删除，将语音转换成简洁的文字。日本东芝表示，该技术将帮助听觉障碍人士更好地获得信息。
3、美国加州大学旧金山分校开发出可将人脑活动转换为语音的新技术
美国加州大学旧金山分校（University ofCalifornia，San Francisco）的研究人员开发出可将人脑活动转换为语音的新技术。
研究人员研发出一套人类语音合成系统，该系统通过解码与人类下颌、喉头、嘴唇和舌头动作相关的脑信号，合成受试者想要表达的语音。研究人员在语音合成系统中设计了一种神经解码器，该解码器利用人类皮层活动中编码的运动学和声音表征合成语音，首先将神经信号转换成声道咬合部位的运动，再将声道咬合部位的运动转换成合成语音，大大降低了合成语音的失真率。
目前该技术每分钟最多可转换 10 个单词，远低于普通人每分钟150字的正常说话速度。研究人员表示，他们将通过收集更大的数据集和开发基础计算方法进一步改善语音合成系统。
4.微软和浙江大学联合推出新型高速语音合成模型FastSpeech
微软和浙江大学联合推出一种利用神经网络技术的新型高速语音合成模型FastSpeech，大大提高了语音合成效率。
传统的基于神经网络的端到端文本语音转换模型，通常首先从文本中生成梅尔频谱（Mel-Spectrogram），然后使用波网（WaveNet）等声码器从梅尔频谱中合成语音，但其存在推理速度较慢、合成语音不稳健、缺乏可控性等缺点。
FastSpeech属于前馈网络模型，可将梅尔频谱的生成速度提高近270倍，几乎完全消除了合成语音中重复吐词和漏词问题，而且可以平滑地调整语音速度和控制停顿，以部分提升韵律。
5.加拿大皇后大学开发出语音识别人工智能工具
加拿大皇后大学（Queen’s University）开发出深度神经网络架构UtterldNet，UtterldNet可利用短语音片段识别说话者身份。研究人员使用语音数据集对UtterldNet进行训练和测试，使其能够快速识别短语音片段中的特征。该人工智能工具能够凭借1秒甚至更短的语音片段判断说话者身份，且性能稳定，为语音识别技术的深入探索铺平了道路。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
