本申请涉及人工智能技术领域，特别涉及一种语音识别的训练方法和装置。背景技术：目前，主流语音识别方案所采用的框架结构为：卷积神经网络(cnn)+双向长短期记忆网络(blstm)+

• 语音识别
• 机器学习
• 卷积
• 卷积神经网络
• 损失函数

查看详情

本申请涉及互联网技术领域，具体而言，涉及一种信息识别方法、装置、电子设备及存储介质。背景技术：随着科技的发展，互联网技术已经渗透到人们生活的各个方面，例如，通过网络进行打车、购

• 信息存储
• 概率计算
• 网络模型
• 卷积
• 特征向量

查看详情

本发明属于语音情绪识别方法技术领域，具体为一种基于3-d卷积神经网络的语音情绪识别方法以及对应的装置。背景技术：随着人工智能的发展，人工智能目前可以帮助人们处理越来越多的事情。

• 卷积
• 神经网络模型
• 卷积神经网络
• 机器学习

查看详情

本发明属于计算机领域，具体地，涉及一种基于生成对抗网络的虚拟人声视唱方法和系统。背景技术：学习音乐时，看谱并唱出是学习音乐的基础，称为“视唱”。视唱练耳特别重要，然而问题是视唱

• 卷积
• 卷积神经网络
• 虚拟网络
• 网络模型
• 神经网络模型

查看详情

本申请涉及人工智能技术领域，尤其涉及一种音频分类模型的训练和垃圾音频识别方法和装置。背景技术：随着多媒体技术的发展，音频的数量和时长呈指数型增长。音频在被上传至网络中时，通常需

• 卷积
• 特征向量
• 垃圾信息
• 集合运算
• 分类数据

查看详情

本发明属于数据处理技术领域，特别涉及一种带有人声的音乐的风格迁移方法。背景技术：过去三年来，神经风格迁移已经持续成长为了一个蓬勃发展的研究领域。这一研究领域内越来越多的活动受到

• 卷积
• 频谱分析
• 矩阵变换
• 损失函数
• 音乐

查看详情

本发明涉及语音检索技术领域，具体的说是指基于深度学习的语音关键信息标定方法。背景技术：语音作为关键的多媒体数据，在信息表达、存储、人机交互中有着重要作用。语音信号中包含着丰富的

• 特征向量
• 梯度下降
• 深度学习
• 卷积
• 机器学习

查看详情

本发明涉及一种多对多说话人转换方法，特别是涉及一种基于densenetstargan的多对多说话人转换方法。背景技术：语音转换是语音信号处理领域的重要研究分支，是在语音分析、合

• 深度学习
• 语义分析
• 损失函数
• 卷积
• 分类器

查看详情

本发明属于音源识别技术领域，具体涉及一种基于卷积模糊神经网络的音源识别方法。背景技术：音源识别技术是通过在音源样本中提取出表征音源产生对象生理特征的特征参数对音源进行识别的一项

• 卷积
• 机器学习
• 模糊神经网络
• 卷积神经网络
• 深度学习

查看详情

本发明涉及人工智能领域，更具体的说，涉及一种全连接多尺度的残差网络及其进行声纹识别的方法。背景技术：在得益于深度学习的帮助，声纹识别技术得到了快速的发展。由于深度神经网络(de

• 卷积
• 声纹识别
• 残差网络
• 深度学习
• 卷积神经网络

查看详情