Techniques d’apprentissage automatique pour l’amélioration de la parole dans les systèmes de conférence audio
La valeur fondamentale de Nureva est d’offrir des produits de conférence audio fiables et faciles à utiliser, qui offrent une bonne expérience utilisateur et optimisent la productivité. Un facteur très important est de produire un audio propre qui, souvent, dans sa forme brute, est contaminé par le bruit environnemental, la réverbération et l’écho. Ces problèmes ont été étudiés depuis longtemps à l’aide de méthodes traditionnelles de traitement du signal. Bien qu’ils puissent être très efficaces dans de nombreuses situations, ils ont des limites avec les bruits non stationnaires qui varient avec le temps. Le succès de l’apprentissage automatique (ML) dans divers domaines ouvre également de nouvelles possibilités en suppression du bruit et amélioration de la parole, puisque l’ingénierie manuelle des fonctionnalités est réduite ou éliminée. Cela permet aux modèles d’apprentissage automatique de généraliser à des situations qu’ils n’ont pas rencontrées lors de l’entraînement. Cette recherche vise à étudier les mérites de diverses techniques d’apprentissage automatique et comment elles peuvent être appliquées aux produits Nureva pour assurer de meilleures performances audio.
Voir la description complète du projetNick Koudas
Nureva Inc.
Informatique
Services professionnels, scientifiques et techniques
Université de Toronto
Accélération