工学 >>> 信息与通信工程 >>> 信息处理技术 >>> 语音处理 >>>
搜索结果: 1-10 共查到会议中心 语音处理相关记录10条 . 查询时间(1.951 秒)
第十九届全国人机语音通讯学术会议将于8月15-18日在新疆乌鲁木齐举行。本次会议由中国计算机学会和中国中文信息学会联合主办,同时是中国计算机学会语音对话与听觉专委会的学术年会。大会设有大会报告和教程报告,还将举行青年学者论坛、学生论坛、工业论坛、产品与技术展示活动和前沿特殊议题讨论。诚邀广大学者参加。
2024年3月30日上午,语音及语言信息处理国家工程研究中心第九届OPEN DAY在科大讯飞股份有限公司A1-201会议厅开幕。活动以研究中心推介、技术报告分享和应用成果展示的形式,向来自中科大信息与科学技术学院的部分本科生展示了语音及语言信息处理在人工智能技术领域的前沿技术。
随着深度学习和通用GPU算力的快速提升,语音技术特别是语音识别技术逐渐伴随车载语音交互、家庭智能音箱等形式走进千家万户。本次讲座首先回顾语音识别的技术进展,介绍最新的端到端语音识别技术,然后分享百度在语音技术上的一些突破。希望能够通过此次报告让大家了解语音技术的基本组成和技术路线,以及产业界在语音技术上的各类应用和进展。
语音领域顶级国际会议INTERSPEECH2020圆满闭幕(图)     语音领域  国际会议  INTERSPEECH  2020       font style='font-size:12px;'> 2020/12/25
2020年10月25日至10月29日,第21届INTERSPEECH2020大会成功在线举行,这是继2000年INTERSPEECH在北京举办后第二次登陆中国,也是INTERSPEECH历史上首次全线上会议。本届大会围绕Cognitive Intelligence for Speech Processing这一主题,汇聚了来自全球60多个国家和地区的语音语言领域学术界和工业界人士,分享和探讨语音语...
第21届国际语音通讯会议     第21届  国际语音  通讯  会议       font style='font-size:12px;'> 2020/11/16
第21届国际语音通讯会议(Interspeech 2020)在继2000年在北京成功举办后第二次回归中国。本次大会是由中国科学院自动化所、香港中文大学、清华大学和上海交通大学共同主办,大会主席由香港中文大学的蒙美玲教授,中国科学院自动化研究所徐波研究员和清华大学的郑方教授联合担任。本届会议分为13个主题,包括语音感知与生成、语音学和韵律学、语言与副语言分析、说话人和语种识别、语音和音频信号分析、语...
2018年11月21日至23日,第三届公共安全领域智能语音技术学术研讨会在安徽合肥召开。会议以“开创智能语音+公共安全新篇章”为主题,由公安部科技信息化局指导,智能语音技术公安部重点实验室承办,来自全国各地的320余名相关人员参加会议。会议指出,要着力探索研究智能语音技术在侦查办案、治安管理、便民服务、智慧警务等方面应用的新技术、新思路、新方法,推动技术研究、人才培养、实战应用融合发展、齐头并进。...
2018年10月23日至24日,首届“篇章处理国际研讨会”(IWDP)在我校北校区行政楼国际会议厅举行。研讨会以“汉英双语篇章结构分析与处理”为主题,吸引了来自英国爱丁堡大学、美国布兰迪斯大学、德国人工智能研究中心、香港城市大学、北京大学、天津大学、苏州大学、华为诺亚方舟实验室和腾讯人工智能实验室等全球多所知名高校和科研机构的数十位计算语言学、自然语言处理和人工智能研究的专家学者相聚羊城,围绕会议...
2017年11月5~6日,由北京大学计算语言学教育部重点实验室、北京大学中国语言学研究中心、宾夕法尼亚大学语言资源联盟(Linguistic Data Consortium,LDC)联合主办的“语言资源构建——理论、方法与应用”国际学术研讨会在北京召开。在互联网海量大数据和人工智能蓬勃发展的时代,自然语言处理迎来了前所未有的机遇和挑战,而语言资源是支撑自然语言处理技术的重要基础设施。本次会议强调自...
中国多媒体大会(ChinaMM 2017)征文通知     语音  图像       font style='font-size:12px;'> 2017/2/16
由中国计算机学会(CCF)主办,CCF多媒体技术专业委员会和中国图象图形学学会多媒体专业委员会共同协办的中国多媒体大会(ChinaMM2017)将于2017年9月15-17日在南京市召开。ChinaMM的前身是始于1992年的全国多媒体技术学术会议(NCMT),已成功举办25届,旨在为多媒体领域的学术界和产业界提供一个互动交流平台,促进领域内学术交流与产学研“双创”发展,提高国内多媒体技术的研究与...
近年来,以数据驱动为核心的深度学习通过逐层抽象方式形成原始数据区别性表达,在自然语言、语音和计算机视觉等领域取得了显著进展。但是,这一任务式、刺激式的学习机制需要向探索式(直觉牵引)、自主式学习机制跃升,具备“学习的学习(learning to learn)”能力,形成解释性强、数据依赖灵活和知识引导的模型和方法。

中国研究生教育排行榜-

正在加载...

中国学术期刊排行榜-

正在加载...

世界大学科研机构排行榜-

正在加载...

中国大学排行榜-

正在加载...

人 物-

正在加载...

课 件-

正在加载...

视听资料-

正在加载...

研招资料 -

正在加载...

知识要闻-

正在加载...

国际动态-

正在加载...

会议中心-

正在加载...

学术指南-

正在加载...

学术站点-

正在加载...