面向听觉智能与物理AI的
人机交互开发者社区

发现模型、参与赛事、分享实践、连接同行,共创数据、模型与评测驱动的人机交互生态。

50k+
注册开发者
5.8k+
技术文章
268+
开源数据集
300+
技术课程

最新声浪

查看全部 →
时空壶 | 招聘语音识别算法工程师(深圳)
转载3 years ago
时空壶 | 招聘语音识别算法工程师(深圳)

招聘岗位 语音识别算法工程师 职位描述 1、负责公司语音识别算法的研究和语音识别引擎的开发,包括声学模型、语言模型的训练及解码器的开发; 2、负责语音识别模型的压缩和离线解码器的开发和优化; 3、负责小语种小样本数据情况下的语音识别算法性能…

103 0 0
coqui-ai TTS 简评
转载3 years ago
coqui-ai TTS 简评

文章来源于Generative AI,作者Feiteng 近几个月,coqui-ai/TTS 在社交媒体上大肆宣传其开源 TTS xtts v1 和 v2,引发了广泛关注和技术圈内的热议。coqui-ai/TTS已经有了五六年的历史,其核心…

844 0 0
AI降噪的N种损失函数
转载3 years ago
AI降噪的N种损失函数

文章来源于语音算法组,作者Ryuk 这是AI降噪的第二期,上一期我们介绍了AI降噪的N种数据扩增方法,这一期我们介绍下AI降噪的一些损失函数。 降噪,或者语音增强,经过近50年的研究发展,涌现出了很多优秀的降噪算法,从最简单的谱减法,到维纳…

138 0 0
网易有道强力开源中英双语语音克隆
转载3 years ago
网易有道强力开源中英双语语音克隆

EmotiVoice是一个强大的开源TTS引擎,支持中英文双语,包含2000多种不同的音色,以及特色的情感合成功能,支持合成包含快乐、兴奋、悲伤、愤怒等广泛情感的语音。 项目地址(基于PromptTTS): https://github.c…

382 0 0
GitHub 开源神器 Bark模型,让文本转语音更简单!
转载3 years ago
GitHub 开源神器 Bark模型,让文本转语音更简单!

Bark 是由Suno创建的基于转换器的文本到音频模型。Bark 可以生成高度逼真的多语言语音以及其他音频 - 包括音乐、背景噪音和简单的音效。该模型还可以产生非语言交流,如大笑、叹息和哭泣。 项目地址:https://github.com…

149 0 0
昊一源科技 | 招聘音频算法工程师(深圳)
转载3 years ago
昊一源科技 | 招聘音频算法工程师(深圳)

招聘岗位 音频算法工程师 职位描述 1.从事音频领域的技术研究工作,包括语音降噪、语音增强等的设计和开发,提出创新性思路和设计方案。 2.负责音频类产品算法及系统方案设计,包括麦克风、通话音频产品等,提升音频产品竞争力。 3.参与高校或科研…

127 0 0

为语音开发者而生