由Google项目经理Catherine Armato发布
本周，第24届国际语音通信协会年会（INTERSPEECH 2023）在爱尔兰都柏林举行，代表着全球范围内关于口语理解和处理研究与技术的最重要会议之一。语音相关研究领域的专家们齐聚一堂，参加口头报告和海报展示，并在全球范围内建立合作。
我们很高兴成为INTERSPEECH 2023的白金赞助商，届时我们将展示超过20篇研究论文，并支持多个研讨会和特别会议。我们欢迎参会人员光临Google研究展位，与我们的研究人员见面，并参与问答和最新语音技术的演示，这些技术有助于改善数十亿用户的可访问性和便捷性。此外，我们鼓励线上参会人员访问我们在Topia上的虚拟展位，获取有关Google的研究和机会的最新信息。请访问@GoogleAI Twitter账户以了解Google展位的活动（例如演示和问答会议）。您还可以在下方了解更多关于Google在INTERSPEECH 2023上的研究（Google的关联单位以粗体显示）。
组织委员会
ISCA理事会，技术委员会主席：Bhuvana Ramabhadran
领域主席包括：语音和音频信号分析：Richard Rose；语音合成和口语生成：Rob Clark；特别领域：Tara Sainath
附属活动
VoxCeleb说话者识别挑战2023（VoxSRC-23）组织者包括：Arsha Nagrani
ISCA语音合成研讨会（SSW12）演讲者包括：Rob Clark
主题演讲 – ISCA奖获得者
桥接语音科学与技术 – 现在和未来 演讲者：Shrikanth Narayanan
综述演讲
人工智能时代的语音压缩 演讲者：Jan Skoglund
特别会议论文
级联编码器用于在重叠语音上微调ASR模型 Richard Rose，Oscar Chang，Olivier Siohan
TokenSplit：使用离散语音表示进行直接、精确和基于转录的语音分离和识别 Hakan Erdogan，Scott Wisdom，Xuankai Chang*，Zalán Borsos，Marco Tagliasacchi，Neil Zeghidour，John R. Hershey
论文
DeePMOS：语音后验均值评分 Xinyu Liang，Fredrik Cumlin，Christian Schüldt，Saikat Chatterjee
O-1：使用Oracle和1-Best假设进行自训练 Murali Karthick Baskar，Andrew Rosenberg，Bhuvana Ramabhadran，Kartik Audhkhasi
重新研究使用特征融合方法进行语音基础模型的高效迁移学习 Zhouyuan Huo，Khe Chai Sim，Dongseong Hwang，Tsendsuren Munkhdalai，Tara N. Sainath，Pedro Moreno
MOS vs. AB：使用聚类标准误差可靠评估文本到语音系统 Joshua Camp，Tom Kenter，Lev Finkelstein，Rob Clark
LanSER：语言模型支持的语音情感识别 Taesik Gong，Josh Belanich，Krishna Somandepalli，Arsha Nagrani，Brian Eoff，Brendan Jou
基于Conformer的流式自适应领域适应的模块化方法 李秋佳，李波，黄东成，Tara N. Sainath，Pedro M. Mengibar
训练神经残余声学回声抑制器以改善ASR性能 Sankaran Panchapagesan，Turaj Zakizadeh Shabestary，Arun Narayanan
MD3：多方言对话数据集 Jacob Eisenstein，Vinodkumar Prabhakaran，Clara Rivera，Dorottya Demszky，Devyani Sharma
双模NAM：用于端到端ASR的有效的Top-K上下文注入 吴泽霖，Tsendsuren Munkhdalai，Pat Rondon，Golan Pundak，Khe Chai Sim，Christopher Li
使用文本注入提高语音中个人标识符的识别 Yochai Blau，Rohan Agrawal，Lior Madmony，Gary Wang，Andrew Rosenberg，陈哲槐，Zorik Gekhman，Genady Beryozkin，Parisa Haghani，Bhuvana Ramabhadran
如何评估预训练语音模型的模型可迁移性？Zih-Ching Chen，Chao-Han Huck Yang*，李波，张宇，陈南鑫，Shuo-yiin Chang，Rohit Prabhavalkar，李宏毅，Tara N. Sainath
在不需要对齐的情况下改善联合语音文本表示 Cal Peyser，孟忠，胡科，Rohit Prabhavalkar，Andrew Rosenberg，Tara N. Sainath，Michael Picheny，Kyunghyun Cho
用于语音模型中的大写和转换预测的文本注入 Shaan Bijwadia，Shuo-yiin Chang，王伟然，孟忠，张昊，Tara N. Sainath
用于设备上的语音到语音转换的流式Parrotron Oleg Rybakov，Fadi Biadsy，张霞，姜立阳，Phoenix Meadowlark，Shivani Agrawal
双向语言模型在长篇ASR中改善语义分割 W. Ronny Huang，张昊，Shankar Kumar，Shuo-yiin Chang，Tara N. Sainath
通用自动音标转录为国际音标 Chihiro Taguchi，Yusuke Sakai，Parisa Haghani，David Chiang
用于流式多语种ASR的专家混合Conformer 胡科，李波，Tara N. Sainath，张宇，Francoise Beaufays
手机上的实时频谱图反转 Oleg Rybakov，Marco Tagliasacchi，李云鹏，姜立阳，张霞，Fadi Biadsy
用于自动语音识别的2位Conformer量化 Oleg Rybakov，Phoenix Meadowlark，Shaojin Ding，David Qiu，李健，David Rim，Yanzhang He
LibriTTS-R: 一个还原的多说话人文本语音语料库 小泉勇马， 善平克， 狩田茂樹， 丁一凡， 矢田部航平， 森岡宣行， Michiel Bacchiani， 张宇， 韩伟， Ankur Bapna
PronScribe: 从语音和文本中获取高准确性的多模态音素转录 于洋， Matthew Perez*， Ankur Bapna， Fadi Haik， 塔扎里， 张宇
标签感知语音表示学习用于语言识别 Shikhar Vashishth， Shikhar Bharadwaj， Sriram Ganapathy， Ankur Bapna， 马敏， 韩伟， Vera Axelrod， Partha Talukdar
* 在Google期间完成的工作