与其争论“降噪是否有益于识别”,不如把语音前端设计成可比较、可拒绝、可回退的决策系统。
边缘语音系统的节能,不能牺牲目标证据
讨论边缘语音系统如何在能耗预算下降低成本,同时保留目标身份和内容判断所需的证据。
智能眼镜的语音前端,不应把视觉当作万能补丁
讨论智能眼镜如何结合视觉与声学证据进行目标选择,并在证据冲突时保持保守。
双麦手机上的方向选择,需要先证明延迟与鲁棒性
面向双麦手机,分析方向性语音增强在实时性、误差敏感性和身份保护上的边界。
跨语言声纹的难点,不是翻译而是时间与条件
分析语言、语速、时长与录音条件如何共同影响跨语言说话人验证和全双工交互。
全双工对话的速度,不应以持续改口为代价
讨论全双工语音如何在低延迟、打断、重叠和身份变化之间保持稳定决策。
目标说话人标注,需要把注册库当作证据而非标签
分析目标说话人标注如何把注册库作为可比较的证据,而不是固定不变的身份标签。
回声消除的约束,应当来自真实的双讲条件
围绕双讲、路径变化和弱近端语音,分析回声消除系统如何减少残留回声而不伤害目标语音。
通用增强真正需要的,是可控的频谱取舍
分析通用语音增强如何通过可控频谱取舍适应不同频段、说话人与交互目标。
生成式增强,先要学会不虚构语音
讨论生成式语音增强如何在提升听感的同时避免凭空虚构输入中不存在的语音细节。