
最新声浪
查看全部 →【交我学-16】一文了解几种不同的前沿流式语音翻译架构
AudioCC交我学 作为学术研究者与实践者的连接点,我们致力于打造一个专注于语音技术的学术交流平台——「AudioCC交我学」专栏。在这里,我们将以简洁、专业的视角,解读听觉认知与计算声学领域的前沿论文,分享技术创新与应用实践的最新动态。…
90 0 0
语音大模型综述:全面解读口语语音大模型(SLM)的发展历程与未来挑战
前言:今天arxiv发消息,CS板块不再接收未经同行评审的综述类文章,不好评论,只记得十年前,综述都是顶刊邀请,IEEE Fellow坐镇,再加上几个Senior,几年才有一篇,当宝贝一样来回读,近几年综述是挺多的。。。以后既然不再接收新的…
123 0 0
DiffRhythm 2:非自回归的高效 × 自回归的灵魂,AI音乐创作的新纪元
音乐作为艺术表达的重要形式,蕴含深厚的文化内涵。近年来,随着深度学习技术的快速发展,音乐生成领域取得了显著进展。在众多方法中,非自回归框架因其高效生成能力备受关注。例如,音频语音与语言处理研究组(ASLP Lab)年初开源的DiffRhyt…
77 0 1
字节Seed团队发布循环语言模型Ouro,在预训练阶段直接「思考」,Bengio署名
现代 LLM 通常依赖显式的文本生成过程(例如「思维链」)来进行「思考」训练。这种策略将推理任务推迟到训练后的阶段,未能充分挖掘预训练数据中的潜力。 为解决这一问题,字节 Seed 团队联合多家机构推出了Ouro,一类被称为循环语言模型(L…
47 0 0
抖音SAIL团队联合港中文MMLab推出SAIL-Embedding:打通「视、文、音」的全模态嵌入
来源丨机器之心 近日,字节跳动抖音 SAIL 团队联合香港中文大学 MMLab 提出 SAIL-Embedding——一款专为大规模推荐场景设计的全模态嵌入基础模型。 SAIL-Embedding 不仅实现了视觉、文本、音频的统一表征,更在…
49 0 0
