声浪

语音小管家

原创4 months ago

近几年 TTS 发展极快，而我的技术直觉还停留在 FastSpeech 阶段。最近项目重新需要用到 TTS，我便选取了一些近期在资料、仓库和讨论中反复出现，且本地相对容易接入的模型，做了一次面向实际使用的梳理和评测。 需要说明的是，这不是传…

语音小管家

转载4 months ago

以下文章来自：南京大学音频声学实验室（NJU-AALab） ICASSP（International Conference on Acoustics, Speech, and Signal Processing）是由IEEE信号处理学会主办…

语音小管家

转载4 months ago

当前，大音频语言模型（LALM）在端到端说话人日志与识别任务中展现出优异性能。但受大规模对话语料稀缺、缺少显式说话人表征优化机制限制，模型的说话人区分能力仍存在短板。现有提升大音频语言模型说话人精度的主流方法，无论是引入额外编码器、设计注册…

语音小管家

转载4 months ago

来源丨千问大模型 今天，阿里通义升级实时语音识别大模型Fun-ASR-Realtime——一款首字延迟控制在百毫秒级别、识别准确率接近离线模型的流式语音识别模型，支持16种方言和30种语言。 阿里云百炼： Fun-ASR-Realtime：…

语音小管家

原创4 months ago

今年的各大学术会议平台陆续公布了赛事征集和开赛的赛事信息，为帮大家一站式掌握赛程、主题及报名窗口，语音之家梳理了6个会议平台上的赛事信息，针对还在开赛中的赛事做一个分享。 ISCSLP 2026 中文口语语言处理国

语音小管家

原创4 months ago

美东时间2026年06月30日，东南大学外国语学院博士生导师陈彧教授联合天津理工大学聋人工学院张句博士题为Perception of Synthesized Mandarin Speech Based on a Large-Scale La…

语音小管家

转载4 months ago

分享武汉大学电子信息学院智能音频与语音感知实验室在Interspeech 2026中稿的13篇论文，论文涵盖语音增强、声源定位、声音事件检测、音频表征、音频大模型等多个研究方向。 ⏩一、多通道语音增强与鲁棒波束形成 Joint Learni…