论文导读丨INTERSPEECH 2024专题（三）
为促进最新研究成果的传播与交流，CCF语音对话与听觉专委在专委会微信公众号启动论文导读栏目，定期分享最新语音、对话与听觉相关研究方向论文。本期是INTERSPEECH 2024专题第三部分，共遴选了8篇论文，覆盖语音合成、音色转换、情感识别…
19 0 0
声浪
![语音/音频处理学术速递[7.19]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2024-08-01/1818902898340401152.jpg)
通过语音预测自杀风险：多模态大语言模型的新进展
据世界卫生组织数据统计，每年因自杀而死亡的人数超过70万，是15至29岁人群的第四大死亡原因。因此，实施精准的自杀危机筛查与监测至关重要，可以有效预防自杀的发生。 清华大学万科公共卫生与健康学院陈润森团队与清华大学电子工程系张超团队联合开展…
20 0 0
论文分享丨SECap：基于大语言模型的语音情感描述生成
2024年第38届AAAI人工智能促进协会年会（The 38th Annual AAAI Conference on Artificial Intelligence, AAAI 2024）于2月20日至27日在加拿大温哥华召开，清华大学人机…
38 0 0
![语音/音频处理学术速递[7.18]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2024-07-31/1818585222522998784.jpg)
Interspeech2024丨基于离散语音单元的流式解码器语音识别
在当今数字化时代，大模型以其强大的数据处理和复杂问题解析能力，正深刻改变着我们的现实生活。以GPT4o等为例，大模型已经具备了令人惊叹的全双工语音交互能力，其中实时交互是语音对话的关键。因此，如何在保持大模型强大能力的同时，提升其实时性能，…
23 0 0
ACM MM 2024：基于多尺度融合的脑控说话人提取方法
论文地址：https://github.com/2001zhang/MSFNet 代码地址：代码目前还在整理中，若有需要可联系：e22201067@stu.ahu.edu.cn 近期实验室提出了一种用于脑控说话人提取的多尺度融合网络，使用端…
14 0 0
Interspeech2024丨FluentEditor:考虑声学和韵律一致性的基于文本的语音编辑
本次分享由内蒙古大学计算机学院S2Lab实验室（https://ttslr.github.io）刘瑞研究员团队投稿在 InterSpeech 2024的论文《FLUENTEDITOR: TEXT-BASED SPEECH EDITING B…
30 0 0
![语音/音频处理学术速递[7.17]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2024-07-31/1818580890670993408.jpg)
INTERSPEECH2024丨上海交通大学听觉认知与计算声学实验室5篇录用论文分享
分享5篇上海交通大学听觉认知与计算声学实验室被INTERSPEECH 2024录用的论文，论文方向涵盖语音增强、语音识别、语音合成、模型压缩等。以下是发表论文的相关信息： 01、Beyond Performance Plateaus: A…
34 0 0