以下文章来源:努力犯错玩AI 近日,独立开发者 Owen Song 发布了 Inflect v2。这是一个极致轻量的英文语音合成模型。Micro 版只有 9.36M 参数,FP32 权重只有 37.5MB。Nano 版更是只有 3.97M…

最新声浪
查看全部 →9.36M 参数做出顶级 TTS:Inflect v2,人声盲听66%胜率
133 0 0
εar-VAE:回归听觉感知的高保真音乐重建
良好的音频生成范式大概的确需要 latent。待压缩的音频无论取 patch 还是 STFT,从无到有的新 dim,本质上都承担着时域压缩的功能;但音频在不同时间尺度下有无法归纳的 semantic 周期,在频域做 polar 或原始 co…
92 0 0
ACM MM 2026 :全类型音频深度伪造检测
近日,IIP-HCI实验室关于全类型音频深度伪造检测的最新研究成果被多媒体领域顶级国际会议 ACM MM 2026 接收。会议全称为 ACM International Conference on Multimedia,自1993年创办以来…
78 0 0
TF-MossFormer:在单通道语音分离中同时捕捉“局部细节”与“全局依赖”
来源丨阿里语音AI 近年来,单通道语音分离技术犹如一场精彩的接力赛,从 Conv-TasNet 的精巧卷积,DPRNN 的深度循环,到 SepFormer 和 MossFormer 的 Transformer 革命,再到 TF-GridNe…
131 1 0
刚刚,Claude爆改语音!11种语言,就是没中文
来源丨新智元 刚刚,Anthropic和OpenAI同时放出了语音模式大升级! Claude这边,从只能跑Haiku升级到Opus 4.8和Sonnet 5全系列,不仅能在对话里调Gmail、日历、Slack,还扩增到11种语言,但没有中文…
98 0 0
车企奇瑞-上海开阳招聘
工作地址:上海市朱梅路地铁站附近。 岗位一、音频算法工程师:5人 岗位职责: 1. 负责全景声算法(音乐分离、空间音频等)的设计实现、移植调试。 2. 负责无麦K歌、啸叫抑制等算法的设计实现、移植调试。 3. 负责车内外通话(AI降噪、AE…
786 2 0
Interspeech 2026|Decoding the Ear(DeEAR):从人类偏好中客观量化语音表现力的对齐框架
近年来,端到端口语对话(S2S)与语音合成(TTS)技术正加速从“可懂、可用”向“自然、拟人”发展。尤其在智能座舱、语音助手等实际应用场景中,用户对语音交互的期待已不再局限于内容准确,还希望模型能够展现接近真人的表现力,包括细腻的情绪起伏、…
91 0 0
