声浪

语音小管家

转载a year ago

语音驱动的三维人脸动画旨在根据输入语音生成同步的面部运动，这项技术近年来受到了广泛关注。然而，现有方法普遍忽略了说话者的个性化风格，例如独特的面部表情和头部姿态，导致生成的人脸动画缺乏真实感和个性表达。部分工作尝试通过微调模型来建模不同人物…

语音小管家

原创a year ago

FlowDirector团队投稿 量子位 | 来源 AI的视频编辑方法总是存在一些问题：例如视频运动不连贯、编辑后的视频产生意外变化等……经过分析，这些问题的产生最终大都指向同一原因——反演-编辑范式。 因此，西湖大学AGILab提出了一种…

语音小管家

原创a year ago

随着汽车成为人们日常生活中不可或缺的一部分，而驾驶舱中传统的触摸交互方式容易分散驾驶员的注意力，存在安全风险，因此，车内基于语音的交互方式得到重视。与通常家庭或会议场景中的语音识别系统不同，驾驶场景中的系统面临更加独特的挑战，缺乏大规模的公…

语音小管家

转载a year ago

在智能家居、老年护理和行为监测等领域，人类活动识别（Human Activity Recognition, HAR）技术的应用日益广泛。传统的HAR系统通常依赖于可穿戴设备、传感器网络或音视频数据来检测和分类人类活动。然而，基于声音的HAR…

语音小管家

转载a year ago

2025年伊始，大语言模型DeepSeek在继2022年底ChatGPT带来人工智能（artificial intelligence，AI）的“现象级”应用之后，再度带来了新一波全球性的大模型应用和讨论的热潮，甚至被视为某些世界性事件的诱因…

语音小管家

转载a year ago

本文介绍清华大学人机语音交互实验室（THUHCSI）在会上发表的第1篇论文：Speechcraft：大规模自然语言细粒度描述的表现力语音数据集。 文本-语音多模态学习任务（Speech-language Multimodal Learnin…

语音小管家

转载a year ago

分享语音及语言信息处理国家工程研究中心智能语音信息处理团队中稿的15篇论文，论文方向涵盖语音识别、语音合成、语音编码、话者识别、语音增强、情感识别、声音事件检测等，各接收论文简介见后文。 01、Improving Noise Robustn…