FreeNeb status Report 2018-11-26

来自cslt Wiki
2018年11月26日 (一) 01:49Lilt讨论 | 贡献的版本

跳转至: 导航搜索

This Week:

People Last Week This Week Meet Minutes Task Tracing(DeadLine)
Mengyuan Zhao

本周:

  • 工程化
  1. 完善nnet3-to-nnet1转换工具,加入对StatisticalExtraction、StatisticalPooling的支持
  2. local VPR engine:
    1. 实现了cmvn和PLDA打分,但与kaldi执行结果不同,还需进一步debug。
  • 服务器维护
  1. corpus1创建完成
  2. 协助之勇修理tiger01

下周:

  • 工程化
  1. local VPR engine:
    1. 继续debug cmvn和plda打分模块。
Zhiyong Zhang

本周:

  1. TTS-海峡研究院特定说话人语音合成--Failed , 需做adaptation,重新合成
  2. TTS-大规模数据训练--整理数据中

下周:

  1. ASR-decoder重置
  2. TTS-海峡研究院特定说话人语音合成
  3. TTS-大规模数据训练
Yang Wei

本周:

  • 完成vad引擎测试
  • 完成本地asr引擎回归测试

下周:

  • 测试i-vector vpr引擎
Zhenlong Han

本周:

  1. 整理项目工具框架
  2. 跟进国网标注
  3. 双猴京华项目支持
  4. 测试分音塔日语识别率

下周:

  1. 分音塔项目
  2. 国网项目
Shuai Zhang

本周:

  1. . vad engine 修改功能需求
  2. . vpr打包
  3. . asr服务

下周:

  1. . vad engine
  2. . asr服务压测


Yanchi Jin

本周:

  • 国家电网
  1. 国网数据分发,整理。
  2. 国网测试集筛选,整理。
  3. 国网识别效果评估。
  • 分音塔
  1. 分音塔中文语言模型重训,与11000h的16k chain模型造graph进行测试。
  2. 分音塔日语测试集筛选,整理。
  • roobo项目交付列表整理。

下周:

  • 整理项目脚本。
  • 支持项目。
Rong Liu

上周 1. 黄淮学院AI实验室落地沟通,由于内部问题,沟通进度不如预期 2. 秒针费用结算流程及后续合作方式 3. 协助roobo、分音塔、国网项目状态沟通和推进

下周: 1. 继续推进黄淮学院AI资源落地 2. Roobo、分音塔和国网项目状态推进 3. roobo专利 4. 其它前期项目需求沟通

Dong Wang

本周:

  1. . 实习生课题讨论部分完成
  2. . 入台证办理(失败)
  3. . 日本演示、DataX进展等相关项目讨论

下周:

  1. . 完成实习生课题声纹识别部分讨论
  2. . BP讨论
  3. . 研讨阿汤提出的品牌共享计划
Zhiyuan Tang

上周: Attended APSIPA.

本周: 1. Deep compression 调研与实现. 2. pair-wise 后端设计.

Lantian Li

上周:

  1. 发布 i/d/x-vector 最新模型
  2. 支持 @zmy x-vector 工程化
  3. 科技部项目申报
  4. 声纹产品原型设计

本周:

  1. 国网 8k 数据整理
  2. 尝试 xi-vector 模型实现
Yating Peng

上周:

  • 交文津暖气费、自来水费;
  • 代开Roobo专票;
  • 日常财务付款、报销处理,购买大家交代的所需之物;
  • 完善员工档案excel表;


本周:

  • 对11月账;
  • 写中心志
Shiying

上周:

  • 4000h 16k 数据转8k 已转交于强哥
  • 整理测试集得到 汽车之家,分音塔,roobo, 并在当前模型上做了综合测试。
  • local ASR model 训练
  • 14000h noise training

本周

  • release 测试集
  • 完成local ASR model noise training并得到综合测试结果。
  • 完成14000h noise training 并得到综合测试结构。
Wenqiang Du

上周:

  • roobo口语打分模型训练
  • 日语NHK新闻数据重新加入训练
  • 用新训练的8k模型对16K转8K数据做自适应

本周:

  • 对roobo口语模型进行多组实验
  • 16k转8k新模型训练