本发明涉及语义识别领域，特别涉及一种基于人工智能的多模态语义识别服务接入方法。背景技术：语音情感识别是一个非常具有挑战性的问题，因为人们总是以微妙和复杂的方式传达情感。对于语音

• 人工智能
• 机器学习
• 深度学习
• 语义分析
• 模态分析

查看详情

本申请涉及计算机技术领域，特别涉及人工智能、深度学习和语音技术领域中的声源定位方法、装置、设备和计算机存储介质。背景技术：随着语音交互需求的增长，围绕着语音交互展开的产品受到越

• 卷积
• 卷积神经网络
• 深度学习
• 神经网络模型
• 语音芯片

查看详情

本发明涉及音频处理技术领域，具体涉及一种声音处理方法及装置。背景技术：随着娱乐行业的快速发展和普及，许多娱乐方式已经成为大众触手可及的休闲活动，例如手机ktv，网络直播，视频记

• 卷积
• 声音处理
• 深度学习
• 加性噪声
• 混响时间

查看详情

本发明属于语音增强技术领域，涉及语音识别系统中语音信号的增强技术，具体涉及一种基于心理声学模型的lstm语音增强方法。背景技术：随着人工智能技术的不断发展，asr技术的应用也日

• 语音识别
• 声压级
• lstm
• 深度学习
• 网络模型

查看详情

本发明属于语音认证技术及安全技术领域，具体涉及一种基于语音信号频谱特征的发声体认证技术，以及可检测针对说话人识别系统的语音欺骗攻击的软件处理方法。背景技术：说话人认证系统是一种

• 深度学习
• 激励模式
• 傅里叶变换
• 分类器
• resnet

查看详情

本发明涉及一种视听双模态语音识别方法，尤其涉及一种基于卷积块注意机制的视听双模态语音识别方法，属于深度学习语音识别技术领域：。背景技术：：随着信息技术的飞速发展，人机交互技术作

• 卷积
• 机器学习
• 语音识别技术
• 深度学习
• 特征提取

查看详情

[0001]本发明涉及人声与背景声分离，具体是基于卷积循环神经网络的单通道人声与背景声分离方法。背景技术：[0002]语音分离的目的是从背景干扰中分离出目标语音，由于麦克风采集

• 卷积
• 机器学习
• 神经网络模型
• 卷积神经网络
• 深度学习

查看详情

[0001]本申请实施例涉及人工智能技术领域，并且更具体地，涉及一种语音信号处理方法、装置、电子设备和存储介质。背景技术：[0002]在机器学习方法中，长短记忆(longsho

• lstm
• 深度学习
• 信号处理
• 网络节点
• 特征提取

查看详情

[0001]本公开涉及信息处理领域，尤其涉及音频类型识别方法、装置及存储介质。背景技术：[0002]目前，深度学习技术在声音场景识别领域中的应用越来越广泛，基于深度学习技术的声

• 卷积
• 特征提取
• 深度学习
• 网络模型
• 测试模型

查看详情

[0001]本发明涉及语音情感识别技术领域，特别是涉及一种基于lstm(longshort-termmemory，长短期记忆网络)与cnn(convolutionalneura

• 机器人
• 卷积
• lstm
• 深度学习
• 网络模型

查看详情