以下文章来源于AI语音AI思考 今天 OpenAI 发布了 GPT-Live,展示了令人惊艳的实时语音交互能力。4月份,在豆包发布全双工语音对话模型时,我也曾写过一篇文章,探讨了端到端全双工语音交互背后的技术门槛,以及如何构建一个真正的语音…

最新声浪
查看全部 →近年来,语音合成模型的能力提升很快。只给一小段参考音频,模型就可以模仿目标说话人的音色,读出一段新的文本。但真正把语音克隆系统用起来时会发现,模型不能只"能发声"——它需要同时做到三件事:读对文字、像目标说话人,并且声音自然、清晰、稳定。…

一 岗位信息 岗位职责: 1. 病理 / 弱语音场景 ASR 效果迭代优化 2. 单用户个性化语音模型训练、自适应调优 3. 搭建数据清洗、标注、训练集全流程闭环 4. 设计对照实验、基线方案、评测体系驱动算法收敛 5. 联动部署、固件、测…
近年来,音频大语言模型(Audio Language Models, ALMs)的出现极大地推动了自然语音对话交互的发展[1][2]。然而,在面对真实场景中强烈的情感陪伴需求时,现有的 ALMs 依然面临深层情感交互的瓶颈。具体而言,模型普…

一 岗位信息 岗位职责: 1. VAD、端点检测、音频前处理、降噪、AGC 算法实现 2. 弱音、振动传感器信号特征提取、基础识别算法开发 3. 轻量模型 / 传统算法在 MCU/RTOS/Linux 移植、定点量化优化 4. 控制内存、实…
本期分享杭州电子科技大学智能语音课题组被语音信号处理领域旗舰会议Interspeech 2026录用的4篇论文,涵盖了神经形态语音增强、用户自定义关键词检测、生成式语音增强以及多任务语音理解测评四个主题。 1. Neuromorphic S…

一 岗位信息 岗位职责: 1. 弱音 ASR 整体技术路线:个体化适配、跨用户 / 文本泛化 2. ASR 训练、微调、迭代、效果指标优化 3. 弱音、低信噪比、病理语音失败样本归因分析 4. 定义语料采集标准、划分训练 / 验证 / 测试…
近几年 TTS 发展极快,而我的技术直觉还停留在 FastSpeech 阶段。最近项目重新需要用到 TTS,我便选取了一些近期在资料、仓库和讨论中反复出现,且本地相对容易接入的模型,做了一次面向实际使用的梳理和评测。 需要说明的是,这不是传…
