摘要：泰语作为一种有数千万人口使用的语言,应用较为广泛,20世纪90年代末就有学者开展了泰语语音合成的研究。近年来,基于深度神经网络并利用大规模高质量“文本-音频”数据训练的端到端语音合成系统,已经能够合成出高质量的语音。目前,汉语、英语等通用语已拥有海量的语音合成数据库,然而泰语作为一种非通用语可获取的“文本-音频”数据库规模往往较小。在低资源条件下,以提高泰语语音合成质量为目标,选用端到端语音合成模型Tacotron2作为基线模型,研究交替训练方法以及预训练方法,研究不同文本嵌入方式对泰语语音合成效果的影响;然后从注意力对齐图和MOS评分两方面对文中设计的6种模型所合成的语音进行测评。实验结果表明,采用“元辅音嵌入+预训练+交替训练”方法的系统的语音合成质量最好,合成语音的MOS评分可达3.95分,明显优于基线系统的1.71分。

摘要：本文先从人脸识别简介开始,引出当前人脸识别算法性能评估存在的问题,提出一套面向人脸识别算法的性能评价系统,就人脸识别性能评价当前存在的问题,从整体上分解人脸识别系统,分别就人脸检测、人脸标定、人脸识别算法设计一个整体性的评价系统。该系统可以更全面的衡量一套人脸识别算法的算法性能,并为算法开发人员提供算法优化依据。

摘要：近年来,自适应题库技术、智能语音评测技术、语音合成技术、云计算等技术的发展及成熟,为构建智能个性化语言学习平台提供了可能。文章首先分析了智能个性化语言学习平台所需的关键技术和方法;然后介绍了如何借助这些技术设计能提供多种学习途径的平台框架,并提出了一种配套的语言学习模型;最后以少数民族学习普通话作为应用案例,介绍了平台的建设过程及方法,并对学习者的学习效果进行了对比分析,发现平台的应用效果良好,有效提升了语言学习者的基本语言能力。

摘要：该文提出了一种结合依存句法分析和深度神经网络的自动句子填空技术。首先,提出了一种依存句法信息展开的序列建模方案,可以在引入句法信息的同时兼顾效率,并在此基础上利用排序学习思想,训练候选答案排序模型;其次,针对整体序列建模的细节建模失准问题,提出了一种基于语言模型多状态信息融合的自动句子填空模型;最后,设计了一种结合序列表示、依存句法信息、多状态信息的多源信息融合模型。该文还构建出一个英文答题数据集并据此进行了实验。实验结果表明,依存句法展开模型相对于常用的序列建模方案,准确率有11%的绝对提升;语言模型状态排序模型相对于基线模型,准确率有9.3%的绝对提升;最终的多源信息融合模型,在测试集上获得最高76.9%的准确率。