声浪

语音小管家

转载a year ago

来源丨机器之心 吴恩达 (Andrew Ng) 执教的斯坦福 CS230 深度学习旗舰课程已更新至 2025 秋季版，首讲视频现已公开！ 课程采用翻转课堂模式，学生需提前观看 Coursera 上的 deeplearning.ai 专项课程…

语音小管家

转载a year ago

论文链接：https://arxiv.org/pdf/2509.25161 项目链接：https://kunhao-liu.github.io/Rolling_Forcing_Webpage/ 图 1：Rolling Forcing 可在单…

语音小管家

转载a year ago

在大模型的浪潮下，语音领域也正迎来“整合与统一”的趋势。 过去我们往往需要分别调用不同的模型来完成语音识别（ASR）、语音生成（TTS）和语音编辑等任务，不仅开发成本高，而且在真实业务中很难实现流畅的衔接。 而这一次，阿里蚂蚁团队直接给出了…

语音小管家

转载a year ago

在 AI 文字识别类应用的落地过程中，有一个被低估却非常关键的环节：文档解析。 无论是科研、金融、法律，还是教育、医药、制造业，日常处理的海量文档里，总有一大类以 PDF、扫描件、图片的形式存在。 要想把它们转化为 AI 可用的知识，需要先…

语音小管家

转载a year ago

NeurIPS，即神经信息处理系统大会（Conference on Neural Information Processing Systems），是由神经信息处理系统基金会（NeurIPS Foundation）主办的全球机器学习与人工智能…

语音小管家

转载a year ago

语音理解与生成的飞速发展离不开大规模高质量语音数据集的推动。其中，语音识别（ASR）和语音合成（TTS）被公认为最首要的任务。但对于拥有约 1.2亿 母语使用者的川渝方言而言，受限于标注资源匮乏，研究进展缓慢，ASR 与 TTS 的表现始终…