先决条件: 扎实的机器学习/深度学习及Python基础。

您将学到什么

• 高级ASR架构

  实现并分析复杂的端到端ASR模型，例如基于注意力的编解码器和Transducers。

• 说话人与环境适应

  应用技术使ASR模型适应不同的说话人、口音和声学环境。

• 高级TTS建模

  构建精密的TTS模型，侧重于自然度、韵律控制和声音克隆。

• 神经声码器

  实现并评估现代神经声码器，用于高保真语音合成。

• 模型优化与部署

  应用技术优化ASR/TTS模型，以提高速度、减小体积并实现高效部署。

• 评估方法

  运用高级指标和方法评估ASR和TTS系统的性能。