2023年11月19日,在2023 SpeechHome 第三届语音技术研讨会上SpeechIO开源发布了5个场景的评测数据: [小艾大叔 豪宅带看],测试集ID:SPEECHIO_ASR_ZH00022 [Zealer & 无聊开箱],测…

最新声浪
查看全部 →今日论文合集:cs.SD语音2篇,eess.AS音频处理6篇。 cs.SD语音 【1】 Retrieval Augmented Generation of Symbolic Music with LLMs标题:基于LLMS的符号音乐检索增强…
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…
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…
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…
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…
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…
本文分享作者对Whisper论文解读。 论文:2023 ICML | Robust speech recognition via large-scale weak supervision [1] 作者:Radford, Alec, Jong…
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…
语音转换(Voice Conversion)是智能语音处理领域的典型研究课题。语音转换挑战赛(VCC)是语音转换领域的国际顶级赛事,已成功举办了三届。2023年VCC竞赛专注歌声转换(Singing Voice Conversion,SVC…
