在与客服机器人或智能语音助手交谈时，我们常常会碰到这样的尴尬：聊了几句后，AI 突然像失忆了一样，前面说过的信息全忘了。这种对话中断或语义错位的现象，让用户不得不重复解释背景或问题，体验大打折扣。例如…

对于网络开发人员来说，WebGPU 是一个网络图形 API，它为 Web 公开 GPU 硬件的功能，允许在 GPU 上进行渲染和计算操作，从而提供对 GPU 统一且快速的访问，与 Direct3D 1…

一. 为什么 Python 项目离不开包管理器 当你开始一个新的 Python 项目时，第一件事往往是 `pip install requests` 或 `pip install numpy`。但随着…

在实时互动场景中，视频画质是影响观众体验的关键指标，但如何实时评价视频的画质一直是个行业难题，需要将未知的视频画质用户主观体验变成可知。其中声网在探索符合实时互动领域的视频画质评价方法上取得了一定的成…

伴随元宇宙、AIGC 等技术的发展，在音视频社交场景加入沉浸式的音频效果也成为一种趋势，其中空间音频成为关键因素。在后处理阶段，对音频数据加上空间音频的效果，会给用户端带来沉浸式的极致音频体验。 空间…

随着近几年 Google Home、Amazon Echo、Siri、Cortana 等自动语音识别（ASR）产品的流行，语音助手成了大众生活中的常见应用。这类应用通常是被语音唤醒并从语音中提取文本。…

声音分类应用是最常见的音频深度学习应用，包括学习声音分类、预测声音的类别。声音分类可以应用于多种实际场景，例如，对音乐片段进行分类以识别音乐的流派，或者分析一组对话然后根据声音识别说话者。 本文将通过…

这是我关于音频深度学习系列的第三篇文章。到目前为止，我们已经了解了声音是如何被数字化表示的，也知道深度学习模型通常使用声音的“声谱图（Spectrogram）”作为输入特征。我们还学习了如何在 Pyt…

这是音频深度学习系列文章的第二篇。在上一篇文章中，我们学习了声音是如何被数字化的，知道了我们要把声音转换为声谱图从而在深度学习架构中使用。在本文中，我们将更详细的了解怎么把声音转换为声谱图，以及怎样调…

作为深度学习发展最迅速、最具前景的两大分支，计算机视觉和 NLP 应用已经获得了广泛关注，但实际上音频数据的深度学习方面还有很多具有开创意义的用例，还没有获得足够关注。所以，我打算以此为主题写一系列相…