当前位置:   article > 正文

入门NLP、实现语音识别和语音合成,用这个开源工具SoEasy | 英伟达NLP公开课

开源语音助手语音合成esaytts

对话式AI正在改变人机交互方式,在生活和工作中给我们带来很大便利。

然而,对话式AI包含自动语音识别、自然语言处理、语音合成等技术领域,从0开发一个对话式AI需要投入的成本和流程非常之多。

那么,有什么方法能让零编程基础的爱好者、或者时间紧迫的AI开发者,快速、高效地开发高精度的语音语言模型呢

当然是:NVIDIA NeMo

NeMo是英伟达为对话式AI领域的开发者量身打造的开源工具包。开发者可以利用NeMo快速、低门槛实现语音和语言模型的开发,包含模型搭建、训练和微调。在自动语音识别(ASR)、自然语言处理(NLP)、语音合成(TTS)等领域皆可广泛应用。

为了让大家更好地上手NeMo、开发高性能的对话式AI模型,量子位联合英伟达发起3期NLP公开课。英伟达专家将通过理论讲解与实战演示,教给大家如何使用NeMo快速入门自然语言处理,并实现NLP信息抽取任务语音生成任务

课程亮点:

快速入门:零基础AI爱好者也能快速上手。

一站式工具:学习对话式AI工具包集成的模型与方法,一站式处理语音语义各类子任务。

快速搭建:提供AI/NLP框架的现成接口,开箱即用,无需编码。

01期:使用NeMo快速入门自然语言处理

自然语言处理(NLP)是一门融合语言学、计算机科学、数学于一体的科学。它主要研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法,让机器变得更 ”聪明” 。

NeMo对话式AI工具库可以方便地调用NLP函数库及NLP预训练模型,快速地完成NLP各类子任务的应用。

本次在线研讨会主要针对有快速开发语音、语义模型需求的用户,通过本次在线研讨会,您可以获得以下内容

  • 了解自然语言处理及其子任务

  • 理解自然语言处理工作流程与原理

  • 理解自然语言处理划时代模型Bert

  • 体验使用NeMo快速完成自然语言处理中的机器翻译任务

时间

6月30日(周三),20:00-21:30

免费报名

扫码↓关注「NVIDIA开发者社区」可弹出报名按钮,或点击“阅读原文”填写报名表。

请准确填写您的报名信息(尤其是邮箱哦~)

p.s 提交报名后将弹出NVIDIA社区小助手微信、请务必添加好友、并加入直播交流群,以获取课程PPT、源代码等资料哦~

02期:使用NeMo快速完成自然语言处理中的信息抽取任务

信息抽取(IE)是从非结构化、半结构化的可读文档或其他电子表示来源中,自动提取结构化信息的任务。信息抽取技术为文本挖掘、智能检索、智能对话、知识图谱、推荐系统等应用提供了基本的技术支持。

本次在线研讨会主要针对有语音语义和AI开发需求的开发者,通过本次课程,您可以获得以下内容

  • 信息抽取技术理论

  • NER命名实体识别

  • 如何构建适合NeMo的自定义NER数据集

  • 了解NeMo中的信息抽取模型

  • 如何使用NeMo快速完成NER任务

直播时间

7月14日(周三),20:00-21:30

免费报名

请扫码↓添加量子位小助手、并备注02,报名通道开启后将通知您填写报名信息:

03期:使用NeMo快速完成自然语音生成任务

语音合成也简称为文本转语音 (TTS) 技术,可以将文字信息实时转换成标准流畅的语音进行朗读,相当于给机器装了一张人工合成的“嘴巴”。TTS涉及多个学科,如声学、语言学、数字信号处理和计算机科学。

NeMo 内置集成了自动语音识别、自然语言处理和语音合成的模型及方法,方便调用先进的预训练模型快速完成对话式AI中各类子任务的应用。

本次在线研讨会主要针对有语音语义和人工智能开发需求的开发者,通过本次在线研讨会,您可以获得以下内容:

  • 了解 TTS 的概念和发展历程

  • 了解 TTS 的工作流程和原理

  • 了解 Tacotron2 和 WaveGlow TTS 模型

  • 使用 NeMo 快速完成 TTS 任务

直播时间

7月28日(周三),20:00-21:30

免费报名

请扫码↓添加小助手、并备注03,报名通道开启后将通知您填写报名信息:

分享嘉宾

李奕澎(Yipeng Li),NVIDIA开发者社区经理。拥有多年的数据分析建模、人工智能自然语言处理方向的开发经验。在自动语音识别、自然语言处理、自然语言理解等技术有着丰富的实战经验与见解。

戳“阅读原文”、报名01期直播,跟着奕澎老师一起入门自然语言处理吧~

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/知新_RL/article/detail/336563
推荐阅读
相关标签
  

闽ICP备14008679号