杨森的案例列表
语音对话机器人算法引擎
主要背景：应用于金融信审，获客与贷后等等场景下多轮无障碍机器人与用户语音对话。 主要内容： 参与并主导整个机器人语料，训练，预测等等平台与算法设计以及研发工作，算法开发框架tensorflow,keras,带领算法团队成员，研发的算法如下： 1.语音识别：有 vad ，声学前端采用将声音转为傅里叶变换的 mfsc 频谱图，识别模型为自主研发神经网络结构，包含残差结构，空洞卷积，ctc （不详说），该结构对真实口语化和噪声较大情况识别准确率高，语言模型为 transformer 算法。 2.语音合成：采用 tacotron2+wavernn 训练，并实现少量样本的语
多模态动态画像算法
主要背景：用户积累了大量结构化以及客户沟通的文本还有语音数据，如何利用这些数据对用户整体画像。 主要内容：该项目突破了传统的用户画像只使用用户的行为以及结构化数据进行画像，将语音和文本信息结合，神经网络为自主研发神经网络结构，包括多层卷积，残差，attention，transformer encoder等等建立的多模态融合大模型，测试在加入用户文本信息后效果能提升30%，加入语音及情感信息效果能提升20%，提升整体画像效果及客服效率。
案例判断参考
杨森的案例列表
语音对话机器人算法引擎
主要背景：应用于金融信审，获客与贷后等等场景下多轮无障碍机器人与用户语音对话。 主要内容： 参与并主导整个机器人语料，训练，预测等等平台与算法设计以及研发工作，算法开发框架tensorflow,keras,带领算法团队成员，研发的算法如下： 1.语音识别：有 vad ，声学前端采用将声音转为傅里叶变换的 mfsc 频谱图，识别模型为自主研发神经网络结构，包含残差结构，空洞卷积，ctc （不详说），该结构对真实口语化和噪声较大情况识别准确率高，语言模型为 transformer 算法。 2.语音合成：采用 tacotron2+wavernn 训练，并实现少量样本的语...
多模态动态画像算法
主要背景：用户积累了大量结构化以及客户沟通的文本还有语音数据，如何利用这些数据对用户整体画像。 主要内容：该项目突破了传统的用户画像只使用用户的行为以及结构化数据进行画像，将语音和文本信息结合，神经网络为自主研发神经网络结构，包括多层卷积，残差，attention，transformer encoder等等建立的多模态融合大模型，测试在加入用户文本信息后效果能提升30%，加入语音及情感信息效果能提升20%，提升整体画像效果及客服效率。...
