人类语言处理

人类语言很复杂

• 包括文字和语音
• 56%的语言没有文字
• 1s就有16k个样本点，每个点有256个可能的取值

• 语音和文字很复杂

  
  课程内容
  

  这里的model就是deep network。

  
  硬train一发
  硬train一发之后，focus近3年的进展。

课程内容简介

语音辨识系统(automatic speech recognition， ASR)

语音辨识中的模型

语音中的seq2seq和别的领域中不同。

语音合成(text-to-speech synthesis)

依然存在问题：在真实应用中，会出现问题。（在给单独的词时，google 小姐的破音）

语音分离(speech separation)

鸡尾酒会效应(cocktail party effect)
直接硬train一发就可以获不错的效果。
可以用来做变音器(voice conversion)，例如柯南。

问题描述

Input audio, ouput class

• speaker recognition

• keyword spotting(e.g., wake up words)

  
  两类问题

文字生成 (Text generation )

BERT

BERT和他的朋友们

模型越来越大了。

文字生成可能的两种方式

输入输出同时是文字

输入输出同时是文字的应用
文法分析也可以看作文字到文字的应用

这部分内容，课程主要讲QA系统。

其他学习内容

• Meta learning
  学习如何去学习。

  
  

• 机器学习知识

  
  image.png

• adversarial attack

  
  image.png

• explainable AI

  
  image.png

李宏毅课程overview