流式关键词唤醒与噪声鲁棒语音前端(KWStreamingSearch开源实现TDT-KWS / CDC-KWS / MFA-KWS;另有NTC-KWS、关键词引导目标说话人提取等论文)
俞凯团队面向资源受限的边缘设备开发的流式关键词检测(唤醒)算法,同时覆盖Transducer和CTC两条技术路线;配套端侧多通道语音增强和关键词引导的目标说话人提取。
感知X-LANCE 俞凯课题组(Yu Xi、Haoyu Li、Xiaoyu Gu 等)计算机学院TRL 5
SLAM-LLM 语音/音频大模型框架与大模型语音识别(SLAM-ASR、上下文ASR、中英混说、语音理解)
X-LANCE开源的语音、语言、音频、音乐多模态大模型训练与推理框架,内含SLAM-ASR、MaLa-ASR等大模型语音识别方案,以及中英混说识别和语音大模型理解等配套技术。
感知决策X-LANCE 陈谐课题组(SLAM-LLM、SLAM-ASR、MaLa-ASR、CTC辅助上下文ASR;Ziyang Ma、Guanrou Yang 等);俞凯课题组(大模型中英混说识别、TASU、MOSA、语音大模型理解综述;Jing Peng、Yu Xi 等)计算机学院TRL 5
