NLP 01

1.课程目标：

语音：1sec有16K sample point.
每个sample point 有256个possible value.
同一段话都不可能有相同的声音信号。
Text（文本）

语音->文字：语音辨识 Speech Recognition
文字->语音：语音合成 Text-to-Speech Synthesis
语音->语音：
语音->类别：
文字->文字：
文字->类别：

2.DL模型硬train一发

3.automatic speech recognition（ASR）语音->文字

4.文本->语音：语音合成问题。

5.语音->语音
①speech Separation：
鸡尾酒会效应：不论有多少人说话，哪怕我面前几个人说话的声音大小都比较像，我依然能听到我想听到的那个人的声音，并与之交流，

②Voice conversion：输入一段声音把它转成另外一个人的声音

以上做法不行。需要同时获取AB的声音，念一样的句子，该做法可能存在无法获取另一个人的声音。

能不能只听过A的语音，不需要B的语音，不需要说同样的语言。

A提供一句语音C（中文），B提供另一句语音D（日语），实验结果：A以日文讲出一句话D，B以中文说讲出一句话C

6.声音->类别：

应用：1.识别是哪个人讲话。
2.关键词有无：其中最常见是唤醒词（wake up words）技术：Alexa，Siri
比如小爱，难道要时时刻刻让小爱获取环境中的声音，这显然太浪费了。（除了考虑准确率问题，还要求省电、压缩模型）

7.文本–>XXX
bert义军凸起：

模型参数量逐渐增大：

8.Text Generation：
句子怎样生成效果更加好，是rnn的按顺序生成，还是中心词 dream。

9.文本->文本：
应用：翻译、摘要、聊天机器人（输入一句话，输出回答）、问题回答（输入问题和文章，输出答案）

文法剖析（很多问题可以转化成输入一段文字，输出一段文字）
文法剖析树用一段文字来表示，再用输入文字输出文字的方法（比如Seq2Seq的方法）

10.meta learning = learn to learn
让机器去学习如何去学习。


不同风格间的语音转换
不同风格间的文字转化

11.Adversarial attack：

12、Explainable AI