
最新声浪
查看全部 →AudioCC交我学 在全球化沟通日益频繁的今天,口语机器翻译(SLT)作为打破语言壁垒的核心技术,正朝着更实时、更高效、更贴合真实场景的方向发展。 IWSLT作为每年一度的国际口语机器翻译评测大赛,致力于推动口语翻译各领域发展。2025…
近日,ICASSP 2026会议发出了审稿结果通知,上海交通大学跨媒体语言智能实验室共12篇论文被会议接收。我们将用两期推送介绍接收论文,本文是第二期。 07、Task Vector in TTS: Toward Emotionally E…
标题:A Study Of Data Selection Strategies For Pre-Training Self-Supervised Speech Models 链接:https://arxiv.org/pdf/2601.208…
近期,Soul App AI团队(Soul AI Lab)开源了实时数字人生成模型SoulX-FlashTalk 。这是首个能够实现0.87s亚秒级超低延时、32fps高帧率,并支持超长视频稳定生成的14B数字人模型。 除了在速度、效果、延…
近日,ICASSP 2026会议发出了审稿结果通知,上海交通大学跨媒体语言智能实验室共12篇论文被会议接收。我们将用两期推送介绍接收论文,本文是第一期。 01、Measuring Prosody Diversity inZero-Shot…
「 现存问题 」 用户在进行指令语音合成时,常常希望用自然语言指令控制情绪、语气、语速等风格,同时又希望用一段参考音频实现零样本音色克隆。但现实中参考音频往往会把自身的情绪与韵律一起“带进来”,文本也可能自带隐含风格,导致模型忽略指令,出现…
作为汉语分支中极具价值的重要方言,吴语承载着约 1 亿使用者的沟通需求与文化记忆,不仅保留了古汉语全浊辅音系统,更有着复杂的连读变调特征。针对吴语这一类低资源方言的语音处理,并开发稳健的语音技术仍然是一项根本性的挑战。尽管吴语在语言学上具有…
AudioCC交我学 语音增强正朝着“轻量化、高效率、低延迟”的方向快速发展。随着移动设备、实时通信和嵌入式系统对语音前端处理要求的提升,轻量级语音增强模型已成为推动技术落地的关键力量。本文将介绍轻量级模型的典型结构、设计思路与代表性方法,…
