论文链接：https://www.researchgate.net/publication/353652910_Dynamic_Multi-scale_Convolution_for_Dialect_Identification
---- 新智元报道 编辑：Emil、小匀 【新智元导读】数据稀缺以及开发成本高，多语种识别和翻译被认为是机器翻译技术难以跨越的难题。但随着国际交流日益频繁，跨地域、跨文化间的无障碍沟通成为不断增长的刚性需求。近期科大讯飞表示，通过系统性创新，他们将在10年内让机器在70+语言之间实现互通。 下一个十年，人工智能会从「黑盒」变「白盒」吗？ 下一个十年，人机共存时代会真正到来吗？ 下一个十年，哪个学科又会与人工智能深入交叉，引发颠覆式的革新呢？ 人工智能核心技术的逐渐成熟推动智能产品的落地，以语
如今，语音已经成为万物互联时代人机交互的关键入口，在智能家居、智能汽车、穿戴式设备等场景不可或缺。我们看到的各类便捷的智能语音应用，背后是语音识别、语义理解、语音合成等技术的创新发展。全球化背景下，AI 多语种智能语言技术在各行各业的应用越来越广泛。 科大讯飞作为智能语音行业的执牛耳者，在多语种智能语言技术上不断进行技术创新和应用落地实践，迎接市场环境变化下的新挑战。7 月 15 日，科大讯飞在武汉的“讯飞乐享 A.I. 技术沙龙”专场，面向开发者，对科大讯飞在 AI+ 多语种智能语言技术上的研发、实践、求
本文联合撰写： 腾讯：吕志强，颜京豪，胡鹏飞，康健，阿敏巴雅尔 导语｜在刚刚结束的NIST OPENASR评测中，TEG AI语音联合清华大学，刷新世界小语种语音识别比赛6项第一。从2000年开始，NIST组织的RT（英文语音识别），LRE（语音语种识别），SRE（语音说话人识别），OPENKWS（语音关键词识别）等比赛一直是语音届的标杆竞赛，其组织比赛方向也可以看出目前学术和工业界的语音研究发展方向。长期以来，NIST组织的语音比赛受到了来自世界一线的研究单位支持与参与。而2020年新增的OPENASR
CCF-腾讯犀牛鸟基金由腾讯与中国计算机学会联合发起，旨在通过搭建产学合作平台，连接产业实践问题与学术科研问题，支持海内外优秀青年学者开展与产业结合的前沿科研工作。 2018年CCF-腾讯犀牛鸟基金共涵盖机器学习、计算机视觉及模式识别、语音技术、自然语言处理、大数据技术、区块链等6个重点技术领域，涉及31项研究命题。 上一期，我们介绍了机器学习、计算机视觉与模式识别两个申报主题，这期我们将介绍语音技术专题和自然语言处理技术专题。欢迎青年学者关注了解，希望大家可以从中找到适合自己的申报命题。 三、语音技术专
发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/132239.html原文链接：https://javaforall.cn
现阶段，手机扫描正越来越多地进入到人们的生活中。随着扫描应用场景的不断拓宽，诸多细节的问题逐渐显露，比如使用者在拍照扫描文档时，手指不小心“入镜”了，只能重拍；拍电脑屏幕时，画面上有一些彩色条纹，既不美观也影响内容识别；拍完照片后发现文档很杂乱，扫描时需要手动叠加好几种图片处理方案，才能获得理想的效果……这些“糟心事”，如今被一个滤镜轻松解决了。
CCF-腾讯犀牛鸟基金由腾讯与中国计算机学会联合发起，旨在通过搭建产学合作平台，连接产业实践问题与学术科研问题，支持海内外优秀青年学者开展与产业结合的前沿科研工作。 2018年CCF-腾讯犀牛鸟基金共涵盖机器学习、计算机视觉及模式识别、语音技术、自然语言处理、大数据技术、区块链等6个重点技术领域，涉及31项研究命题。 上一期，我们介绍了机器学习、计算机视觉与模式识别两个申报主题，这期我们将介绍语音技术专题和自然语言处理技术专题。欢迎青年学者关注了解，希望大家可以从中找到适合自己的申报命题。 三、语音技
PaddleOCR旨在打造一套丰富、领先、且实用的OCR工具库，助力开发者训练出更好的模型，并应用落地。
Facebook AI（bushi），更准确地说是Meta AI，刚刚发布了自监督语音处理模型XLS-R，共支持128种语言。
预先设置好两种语言，比如中文日文。然后你说中文，谷歌助手就用中文答你，她说日语，谷歌助手就用日语回她。
导语 | 2021年1月， 微信发布了微信8.0， 这次更新支持图片文字提取的功能。用户在聊天界面和朋友圈中长按图片就可以提取图片中文字，然后一键转发、复制或收藏。图片文字提取功能基于微信自研OCR技术，本文将介绍微信OCR能力是如何落地文字提取业务的。文章作者：伍敏慧，腾讯WXG研发工程师。 一、背景 微信8.0上线了图片提取文字的功能，用户在聊天界面和朋友圈中如果想提取图像中的文字，不用再辛苦打字了，只要简单几个步骤，就可以拿到图片中的文字内容，超级方便实用。 图1 微信客户端提取图片中的
---- 新智元报道 编辑：好困 桃子 【新智元导读】让机器像人一样思考又迈进了一步？ 最近，第十六届国际语义评测大赛（SemEval 2022）落下帷幕。 科大讯飞认知智能国家重点实验室率队杀出重围，连夺3个主要竞赛项目的冠军。 就在几天之前，实验室还以76.06%的准确率，刷新了常识推理挑战赛CommonsenseQA 2.0的世界纪录，比第二名领先了近3个百分点。 那么，这些所谓的挑战，到底难度如何呢？ 刷新常识推理世界纪录 故名思义，常识推理就是利用自身了解的知识，比如科学事实、社会惯例
云API团队在云学院上线了一套视频教程，目的是和大家分享如何进行API、SDK和CLI的使用。
4月29日，腾讯云正式发布金融、音视频等多个领域专属语音识别模型。最新发布的模型不仅识别准确率得到大幅提升，同时也增加了对粤语、韩语的支持，后面会陆续开放对上海话等方言以及日语、泰语、印尼语等国外语言的支持。
伴随着5G、人工智能技术的发展，智能语音已经随着各种智能终端产品渗透到人们的日常生活中，带来了更多便捷和可能性。作为新兴市场智能终端产品和移动互联服务提供商，传音聚焦人工智能领域持续创新，不断推进AI语音技术的研究和应用，挖掘更多本地化用户场景要求，为新兴市场用户带来全场景智能交互体验。
在当今人工智能技术已经渗透到各个领域。其中，OCR（Optical Character Recognition）技术将图像中的文字转化为可编辑的文本，为众多行业带来了极大的便利。PaddleOCR是一款由百度研发的OCR开源工具，具有极高的准确率和易用性。
机器之心报道 作者：蛋酱 又是一年 1024 ，对于全球开发者来说相当特殊的一天。 1024 这一天，无论你身处何方，都能感受到浓浓的节日氛围。但说到场面最宏大、参会人数最多、内容最丰富的 1024 活动，还是要来合肥看看这家老牌 AI 企业的玩法。 10 月 23 日上午，2020 科大讯飞全球 1024 开发者节在合肥开幕。作为科大讯飞举办的第四届 1024 开发者节，今天的大会比往年来得都早了一些。 「创业的过程就像是登山，我们只有胸怀登顶的梦想，一步一个脚印，踏踏实实地积累高度，最后才能登顶。而
2021年伊始，百度发布多语言预训练模型ERNIE-M，通过对96门语言的学习，使得一个模型能同时理解96种语言，该项技术在5类典型跨语言理解任务上刷新世界最好效果。在权威跨语言理解榜单XTREME上，ERNIE-M也登顶榜首，超越微软、谷歌、Facebook等机构提出的模型。（但是现在降到了第7名）
6月28日，中国人工智能峰会（CAIS 2019）上，腾讯民汉翻译从诸多项目评选中脱颖而出，获得“紫金技术创新奖”。 “CAIS紫金奖”颁奖现场 作为一款定位于贴近用户的民汉信息互译产品，腾讯民汉翻译已经成为国内首个在小语种领域布局维、藏、蒙、哈、朝、彝等多语种全方位同声传译、实时互转的民汉交流工具。腾讯正在用技术践行“科技向善”理念。 腾讯民汉翻译产品整体框架 性能优势明显，各类竞赛获奖无数 经过团队多年对海量民族语音、语言、图像、文本的海量标注，以及多轮功能迭代和用户交互体验优化，使得“腾
商务会议的低效问题想必困扰着每一家企业。参会人员的长时间讨论常产生大量无用信息,记录与总结又极其耗时耗力。此外,不同语言的沟通障碍及信息安全风险也是不容忽视的隐患。有没有可能简单高效地解决这些难题?
导语：在刚刚结束的第15届国际文档分析与识别大会（澳大利亚悉尼）上，腾讯数据平台部（下称“数平”）团队获颁7项冠军证书，并受邀在会议上做技术分享。 9.20 - 9.25，作为全球OCR领域标杆性盛会，第15届国际文档分析与识别大会（ICDAR 2019）在澳大利亚悉尼召开，同时也揭晓了本年度ICDAR竞赛的结果并为冠军团队颁发获奖证书。 腾讯数平图像团队（Tencent-DPPR Team）依靠领先的文字检测与识别技术能力，在本次竞赛的三个大项比赛中（MLT19，LSVT，ReCTS, 共10个
机器之心发布 机器之心编辑部 在今年的音乐科技顶会 ISMIR 2021(International Society for Music Information Retrieval)上，字节跳动海外技术团队有 7 篇论文入选，涵盖了音乐分类、音乐标签、音源分离、音乐结构分析等多个技术方向。 如今抖音已经成为音乐宣发的一个重要渠道。一支支音乐先在抖音上以短视频 BGM 火起来，再扩散到各大音乐平台上。抖音神曲甚至成了很多音乐平台的一个重要分类。 有人说神曲能火是因为歌词和旋律简单，听得多了就印在脑子里。但是
小编新接触语音SDK项目，SDK无UI、底层调用多个C++算法库、提供的是AI服务。语音AI项目，识别效果是至关重要的一环，识别效果评测也是一项测试重点。为了制定一个专业、全面的效果评测的方案，小编学习了相关知识，对方案制定有了初步思路。希望对测试小伙伴有所帮助~~(●—●)
9.20 - 9.25，作为全球OCR领域标杆性盛会，第15届国际文档分析与识别大会（ICDAR 2019）在澳大利亚悉尼召开，同时也揭晓了本年度ICDAR竞赛的结果并为冠军团队颁发获奖证书。 腾讯数平图像团队（Tencent-DPPR Team）依靠领先的文字检测与识别技术能力，在本次竞赛的三个大项比赛中（MLT19，LSVT，ReCTS, 共10个子任务）获得了7项第一，2项第二的优异成绩，并受邀在会议上做技术报告分享。这也是团队自2017年获得4项OCR冠军之后，
随着AI技术在各个领域的广泛应用，人机交互技术愈发成熟。包括电商、银行、电信等在内的很多领域开始建设智能客服的交互能力，为客人提供智能化自助服务，同时为客服人员的工作提供智能辅助。携程集团依靠强大的客服团队为国内外旅行者的出行提供了优质的服务保障，持续提升智能客服的交互能力，提高客服人员的生产效率显得尤为重要。
随着互联网和大数据的快速发展，自然语言处理（Natural Language Processing，简称NLP）作为人工智能领域的重要分支之一，引起了广泛的关注和研究。Python作为一种功能强大、易于学习和使用的编程语言，已经成为自然语言处理领域最常用的开发语言。
“中国语音识别技术的突破，将带动着场景下的语音交互更加智能化、实用化，更在未来十年带动万物互联的整体布局与发展，赋能人工智能的黄金新十年。”
北京时间5月22日下午4点，在刚结束的世界机器翻译大赛（WMT）中，信安代表队（由信息安全部北京基础研究组bojiehu(胡博杰)、ambyera(阿敏巴雅尔)、springhuang(黄申)三人组成）经过激烈的鏖战，最终获得汉英翻译 BLEU (Bilingual Evaluation Understudy) 打分指标第2名，BLUE-cased 打分指标第4名的好成绩，在另一项英汉翻译上，也取得了第7名的成绩。 Fig.1 队名为TencentFmRD, 译为“腾讯基础研发”，详见比赛官方网站
然而，创业并非易事。更重要的是，他们选择以一项在当时不被看好的技术——语音合成起家。
最近在做公司的网站，但是有一个是比较麻烦的事情就是需要做的一个国际化，我们都知道后端其实做国际化的话是直接可以配置的，相对来说是比较简单的，但是前端做国际化的话是很麻烦的一件事情，但是不是说不可以做，我之前呢是准备直接做两套网站，这样一样可以实现国际化的效果，其实这也是过去网站国际化的一个做法，包括现在也有人这样做，这个办法我们就不具体的写了，因为很简单，直接一模一样的写两份，一份是中文的一份是英文的就行了！其实我没写之前看了很多的资料，关于国际化的，很多的大神提供了很多的办法，但是都不是很详细，写的很模糊，所以我查看很多资料以后决定写这篇博客，总结一下自己的想法，同时希望可以帮助很多的人解决这个问题！
2019年6月，两年一届的国际文档分析与识别竞赛（ICDAR）落下帷幕，这是全球文字识别（OCR）领域最顶级赛事。腾讯数平精准推荐团队(Data Platform Precision Recommendation, Tencent-DPPR)在本届比赛中斩获7项冠军，成绩遥遥领先其他参赛队伍。这也是继2017年团队勇夺4项官方认证冠军后再创佳绩，同时也标志着腾讯OCR技术稳居国际第一流水准。 国际文档分析与识别大会ICDAR（International Conference on Document A
整理 | 禾木木 责编 | 王子彧 出品 | CSDN（ID：CSDNnews） 去年11月，谷歌曾宣布“1000 种语言计划”，通过建立一个机器学习模型，从而支持世界上使用人数最多的 1000 种语言。 近日，谷歌正式发布 20 亿参数通用语音模型——USM，可支持 100 多种语言自动识别内容检测。谷歌将其描述为“最先进的通用语音模型”，拥有 20 亿个参数，经过了 1200 万小时的语音、280 亿个句子和 300 多个语种数据集的预训练。 目前该模型在 Youtube 的字幕生成中已展现
你还记得《星球大战》电影中的礼仪机器人 C-3PO 吗？就是那个承担着不同种族、不同物种间翻译交流作用的礼仪机器人。C-3PO 通过从数据库中下载资料来更新自己的语言技能，精通 700 万种语言交流形式，可以说是对宇宙间的所有已知语言尽数掌握。
这是一篇论文简记，原文出自SCUT电信学院金连文老师组。 概要 文本历史可以追溯到数千年前。在广泛视觉应用场景中，文本所携带的丰富语义信息非常重要。故自然场景文本识别已经成为计算机视觉和模式识别的活跃
入世21年，中国的产业经济、消费市场、技术创新、文化娱乐等各个方面的发展都紧密地与世界联系在一起。
在全球信息加速产出与传播的当下，语言差异给各领域的开发者带来了诸多难题。如今，搜狗搜索已将前沿的人工智能技术应用于翻译领域，为身处全球各地的开发者提供高质量机器翻译服务，语言的藩篱逐渐被打破。 近日，
前几天，Facebook发了一个百种语言互译的模型M2M-100，这边谷歌着急了，翻译可是我的老本行啊。
北京时间5月22日下午4点，在刚结束的世界机器翻译大赛（WMT）中，腾讯基础研发部（由bojiehu、ambyera、springhuang三人组成）经过激烈的鏖战，最终获得汉英翻译 BLEU (Bilingual Evaluation Understudy) 打分指标第2名，BLUE-cased 打分指标第4名的好成绩，在另一项英汉翻译上，也取得了第7名的成绩。 Fig.1 队名为TencentFmRD, 译为“腾讯基础研发”，详见比赛官方网站 http://matrix.statmt.org
手语对于听障人士的交流至关重要。然而，手语数据的获取和处理非常复杂，这限制了手语生成模型的发展。为推动手语生成领域的发展，本文作者提出了一个多语种手语数据集Prompt2Sign，并以此训练了手语生成大模型：SignLLM，该模型可并行生成多种手语，同时理解复杂自然语言输入。实验结果表明，SignLLM在8种手语的SLP任务上达到了最先进的性能，展示了其在多语种手语生成上的强大实力。
2019年6月，两年一届的国际文档分析与识别竞赛（ICDAR）落下帷幕，这是全球文字识别（OCR）领域最顶级赛事。腾讯数平精准推荐团队(Data Platform Precision Recommendation, Tencent-DPPR)在本届比赛中斩获7项冠军，成绩遥遥领先其他参赛队伍。这也是继2017年团队勇夺4项官方认证冠军后再创佳绩，同时也标志着腾讯OCR技术稳居国际第一流水准。 国际文档分析与识别大会ICDAR（ International Conference
关键技术顶天，行业认知立地。当打破了实验室和现实的隔阂之后，技术不再局限于自身，而是和广大的外部场景做关联，最终成就了科大讯飞AI技术能够迅速从研发到规模化落地的能力。 作者 | 月行、青暮 编辑 | 岑峰 自然语言处理（NLP）一直是人工智能渴望攻克的难题。 直到2006年，来自上世纪末的互联网时代累积的大量电子化的文本数据，以及深度学习的加持，终于让机器翻译乃至自然语言处理，走上了快车道。 深度学习秉承统计方法的概率传统，不同的是，它基本不需要做特征工程，而特征工程需要大量的专家知识。 但盛志超发现，
为应用提供丰富的AI（Artificial Intelligence）能力，支持开箱即用。开发者可以灵活、便捷地选择AI能力，让应用变得更加智能。
先来欣赏一段音视频，或许你会有惊喜发现呢？ 没错，这就是动漫海绵的配音模仿者的声音呈现。 不同的是，这位即将奔四的美国喜剧动画主角，如今在模仿者的演绎下一改往日的单一语言以及固定风格，居然一股脑儿说出了译制腔、TVB腔、粤语甚至上海话。 更重要的一点，所有风格以及语言，都是基于一段仅仅两分钟时长的纯中文音频训练而成。 话说两分钟时长的音频究竟可以包含多少内容？ 经过语音方向的专业人士估算，基本等同于人们正常语速说出的20句话的内容量。 而这样既能保留本尊音色，又能实现多风格多语种无缝切换的“神奇语音”，还要
在越发重视科技自主创新，新产业国际竞争逐渐激烈的时代，我们更加坚信，科研道路没有捷径可走，只有脚踏实地，一步一个脚印，不断积累方能实现创新。 7年来，犀牛鸟基金为全球范围内的青年学者提供了解产业真实问题、接触业务实际需求的机会，并通过连接青年学者与企业研发团队，开展基础扎实的产学科研合作，推动双方学术视野的拓展及原创应用成果的落地，为科技自主研发的探索和创新储备能量。 2018年CCF-腾讯犀牛鸟基金合作进入收官阶段，小编将分四期介绍全部25个科研基金项目，本期将继续重点介绍《计算机视觉及模式识别》研究
点击上方“LiveVideoStack”关注我们 ▲扫描图中二维码或点击阅读原文▲ 了解音视频技术大会更多信息 ---- 一直以来，火山语音团队都为时下风靡的视频平台提供基于语音识别技术的智能视频字幕解决方案，简单来说就是可以自动将视频中的语音和歌词转化成文字，来辅助视频创作的功能。但伴随平台用户的快速增长以及对语言种类更加丰富多样的要求，传统采用有监督学习技术来解决的办法日渐遭遇瓶颈，这让团队着实犯了难。 众所周知，传统的有监督学习会对人工标注的有监督数据产生严重依赖，尤其在大语种的持续优化以及小语
随着神经网络机器翻译的快速发展，为了实现多语言之间的相互翻译，通常需要构建多个一对一的翻译模型。一方面每个翻译模型需要大规模存储和计算资源，从而多语言翻译的存储和计算消耗非常巨大；另一方面多语言翻译在独立模型下无法实现知识共享。近年来，使用一套框架解决多语言机器翻译任务受到人们越来越多的关注。多语言机器翻译不仅可以有效的解决资源消耗和知识共享问题，同时由于参与翻译语言对的扩充，对于低资源和零资源翻译任务上有了一定程度的提升。本次分享会上我们：
TRTC=腾讯实时音视频，全称Tencent Real-Time Communication。拥有QQ十几年来在音视频技术上的积累，致力于帮助企业快速搭建低成本、高品质音视频通讯能力的完整解决方案。 随着视频互动、语聊交友等场景应用的飞速发展，用户的内容也以多种形态在广泛的传播，如何有效的识别应用中潜在的涉黄、涉暴、低俗等不良内容，已经成为了行业的课题。 近日，腾讯云通信TRTC (文中简称TRTC) 联合腾讯安全天御团队，推出实时音视频+实时内容审核服务，帮助平台运营者解决不良内容审核的痛点。 告别自建
Tesseract-OCR支持中文识别，并且开源和提供全套的训练工具，是快速低成本开发的首选。前面记录过在java中调用tesseract-orc，该方法的原理是通过在java中调用cmd命令行，来执行tesseract，但是该方式需要下载软件，在电脑上安装环境，移植性不高。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频
