声浪

语音小管家

转载2 years ago

本期分享一篇语音情感表征学习方向的文章，该文章发表于Findings of ACL2024。 Emotion2vec: Self-Supervised Pre-Training for Speech Emotion Representati…

每日语音速递

原创2 years ago

今日论文合集：cs.SD语音14篇，eess.AS音频处理23篇。 本文经arXiv每日学术速递授权转载 cs.SD语音

西工大音频语音与语言处理研究组

原创2 years ago

说话人转换检测（Speaker Change Detection, SCD）旨在识别对话中不同说话人之间的边界，并常被视为说话人日志（Speaker Diarization, SD）的子任务，具有广泛的应用。最近，微调 wav2vec 2.…

语音小管家

原创2 years ago

Mini-Omni是一个开源多模态大型语言模型，具备实时对话能力和端到端的语音输入输出功能。通过独特的文本指导并行生成方法，实现了与文本能力一致的语音推理输出，仅需极少的额外数据和模块。 论文题目：Mini-Omni: Language M…

语音小管家

转载2 years ago

本文整理了一些近期发表的声学相关论文，供大家了解科研进展。 1.基于复合谐振腔的多频带声波受控传输 出版日期：2024-09-06 DOI：10.1007/s00339-024-07885-x 作者：肖亮, 张智 , 褚佳明 , 罗江霞 ,…

语音小管家

原创2 years ago

在生成式AI领域，随着大模型多模态交互能力的升级，RTC技术推动人与AI的互动超越文字，实现生动、流畅的低延迟语音通话。随着GPT-4o的发布，标志着AI实时语音交互的突破。之前传统大模型虽具备语音交互，但通常使用WebSocket方案，这…

每日语音速递

原创2 years ago

今日论文合集：cs.SD语音13篇，eess.AS音频处理16篇。 本文经arXiv每日学术速递授权转载 cs.SD语音

语音小管家

转载2 years ago

苹果在昨天举办的产品发布会上宣布，将最新开发的 “Apple Intelligence”集成在iPhone 16、iPad 平板和Mac笔记本中，全面拥抱生成式AI。 其中，Siri已经集成了OpenAI的ChatGPT（GPT-4o）功能…

每日语音速递

原创2 years ago

今日论文合集：cs.SD语音34篇，eess.AS音频处理34篇。 本文经arXiv每日学术速递授权转载 cs.SD语音

语音小管家

原创2 years ago

FluxMusic 是一种将当下最火、效果最好的 Flux 文生图模型技术扩展到音乐生成的开源模型，能够很好的遵循提示词生成音乐，并且更自然流畅。 源码库：https://github.com/feizc/FluxMusic 论文：http…