在本届ICASSP 2024 各类音频国际挑战赛中,字节跳动流媒体音频团队联合西北工业大学音频语音与语言处理研究实验室,在丢包补偿(Packet Loss Concealment, PLC)与音质修复(Speech Signal Impro…

最新声浪
查看全部 →今日论文合集:cs.SD语音10篇,eess.AS音频处理11篇。 cs.SD语音 【1】 Noise-robust zero-shot text-to-speech synthesis conditioned on self-superv…
招聘岗位 大模型算法工程师-语音感知 职位描述 1.负责语音感知相关算法的实现和相关业务落地,包括语音唤醒,语音识别,声纹识别,语种识别,语音翻译,音频事件检测等。 2.负责多模态感知算法的研发和落地,包括视觉端点检测,唇语识别,音视觉语音…
标题:Improving ECAPA-TDNN Performance with Coordinate Attention 作者:刘双红,宋志达,何亮 单位:新疆大学计算机科学与技术学院、清华大学电子工程系 研究背景 尽管深度学习在说话人验…
人工智能的进步使得听起来真实的语音合成成为可能,以至于一个人无法再区分自己是在与另一个人交谈还是与一个合成的声音交谈。如果一个人自己的声音在未经其同意的情况下被第三方“克隆”,恶意行为者就可以利用它来发送他们想要的任何消息。 这是可用于创建…
今日论文合集:cs.SD语音12篇,eess.AS音频处理12篇。 cs.SD语音 【1】Masked Audio Generation using a Single Non-Autoregressive Transformer
AudioCraft 是一个 PyTorch 库,用于对音频生成进行深度学习研究。AudioCraft 包含推理和训练代码 用于两个最先进的 AI 生成模型,以产生高质量的音频:AudioGen 和 MusicGen。 官方地址:https…
招聘岗位 语音识别算法工程师 职位描述 1.支持语音识别技术在字节跳动公司内外丰富的业务场景落地,解决落地过程中的前沿问题,持续优化语音识别核心技术效果。 2.搭建音频理解核心技术体系,专注语音识别的前沿技术和算法效果,追求和探索业界最前沿…
招聘岗位 ASR端侧部署工程师 职位描述 1.负责ASR系统的端侧部署,包括但不限于模型优化,性能调优和故障排查。 2.与机器学习团队紧密合作,将最新的ASR模型部署到生产环境。 3.与产品和工程团队合作,理解产品需求和系统限制,以实现优秀…
