声浪

语音小管家

转载2 years ago

前几天，“杭州六小龙”之一「群核科技」在GTC 2025大会开源了空间理解模型：SpatialLM。 SpatialLM 是一款专门为三维空间理解设计的大语言模型，通过三维点云数据，生成结构化的三维场景理解输出，包括墙壁、门、窗等建筑元素，…

语音小管家

原创2 years ago

自3月起，语音之家已成功举办13场活动，包括ICASSP2025论文预讲会、技术沙龙及学术讲座，汇聚了众多行业专家与学者的精彩分享。在参与活动和观看直播时，经常会收到大家一些疑问，我们收集了大家最关心的3个问题，并在此提供解答： 1、观看直…

语音小管家

转载2 years ago

2025年3月20日，OpenAI推出了三款新模型——gpt-4o-transcribe、gpt-4o-mini-transcribe 和 gpt-4o-mini-tts。前面2个是自动语音识别模型（ASR），最后一个是语音合成模型（TTS…

语音小管家

转载2 years ago

分享3篇IMU语音理解与生成实验室被中科院一区Top期刊Information Fusion 录用的论文，内容涵盖对话语音合成、视听语音识别生成式纠错、语音鉴伪等。 《Information Fusion》在中科院分区中为计算机科学大类一区…

语音小管家

转载2 years ago

Seed-VC 是由开发者 Plachtaa 在 GitHub 上开源的项目，其灵感来源于字节跳动的 SEED-TTS 架构，是一款超强大的开源语音转换和歌曲转换工具。 项目地址：https://github.com/Plachtaa/se…

语音小管家

转载2 years ago

近期上海交通大学听觉认知与计算声学实验室，联合美国卡内基梅隆大学CMU和日本电报电话公司NTT，合作的论文“Module-Based End-to-End Distant Speech Processing: A Case Study of…

语音小管家

转载2 years ago

北美计算语言学协会年会（The North American Chapter of the Association for Computational Linguistics，NAACL）成立于1998年，每年举办一届，是自然语言处理和计算…

语音小管家

转载2 years ago

在 NLP 领域，大模型（LLMs）凭借其强大的理解和推理能力，正在重塑行业格局。另一方面，多模态大模型，尤其是以语音交互为核心的模型也开始崛起，技术发展迅猛，前景广阔。以 GPT-4o 为例，语音与大模型的端到端结合展示出了高实时性与强表…