声浪

THUHCSI人机语音交互实验室

原创2 years ago

TASLP StyleDub: 基于双向注意力机制的跨语言多尺度语音风格迁移联合学习 本文由清华大学与字节跳动合作，研究了自动配音（Automatic dubbing）场景下不同语言之间的语音风格迁移方法。在现有的跨语言自动配音方法中，一般…

语音小管家

原创2 years ago

中国传媒大学、中国科学院自动化研究所、中国科学院大学、清华大学联合推出了Codecfake数据集及面向ALM伪造音频的检测方法，相关论文《The Codecfake Dataset and Countermeasures for the U…

每日语音速递

原创2 years ago

今日论文合集：cs.SD语音8篇，eess.AS音频处理10篇。 本文经arXiv每日学术速递授权转载 cs.SD语音

Amphion

原创2 years ago

随着GPT-4o、Moshi等模型的发布，语音交互大模型越来越受到大家的关注。如何全面的评价语音交互大模型的情商？最近港中大（深圳）联合字节跳动提出了SD-Eval，一个多维度评估语音对话理解和生成的基准数据集，旨在促进更具同理心和更加智能…

银河标注员

转载2 years ago

夕小瑶科技说 原创作者 | 谢年年 世界由形形色色的角色构成，每个角色都拥有独特的知识、经验、兴趣、个性和职业，他们共同制造了丰富多元的知识与文化。 所谓术业有专攻，比如AI科学家专注于构建LLMs,医务工作者们共建庞大的医学知识库，数学家…

每日语音速递

原创2 years ago

今日论文合集：cs.SD语音22篇，eess.AS音频处理15篇。 本文经arXiv每日学术速递授权转载 cs.SD语音

阿里语音AI

原创2 years ago

人类对自身的研究和模仿由来已久，在我国2000多年前的《列子·汤问》里就描述了有能工巧匠制作出会说话会舞动的类人机器人的故事。声音包含丰富的个体特征及情感情绪信息，对话作为人类最常使用亲切自然的交互模式，是连接人与智能世界至关重要的环节。…

THUsatlab

原创2 years ago

CVPR 2024 基于运动解耦扩散模型的语音驱动共语手势视频生成 本文由清华大学与华为云计算公司、华为诺亚实验室、香港中文大学合作，研究虚拟数字人共语手势（co-speech gestures）视频的自动生成。现有共语手势生成工作大多停留…

每日语音速递

原创2 years ago

今日论文合集：cs.SD语音32篇，eess.AS音频处理47篇。 本文经arXiv每日学术速递授权转载 cs.SD语音

每日语音速递

原创2 years ago

今日论文合集：cs.SD语音32篇，eess.AS音频处理47篇。 本文经arXiv每日学术速递授权转载 cs.SD语音