![语音/音频处理学术速递[12.2]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2024-12-04/1864199557596975104.jpg)
声浪
Coqui TTS：1100 + 语言支持、跨语种克隆的超级文本转语音神器！
Coqui - ai公司推出的Coqui TTS作为一款先进的开源TTS项目，为开发者和用户带来了前所未有的便利和创新。本文将深入剖析Coqui TTS的模型架构、功能特点、应用场景以及使用方法，带您领略这款神奇工具的魅力。 Github地…
27 0 0
Codec-SUPERB @ SLT24 - Uniaudio、VoiceCraft、Moshi 作者将给主题演讲
Codec-SUPERB@SLT24 special session将于12月3日下午15:00-18:30在澳门举办，届时SemantiCodec、BNN、Uniaudio、VoiceCraft、Moshi等作者们将给主题演讲。 神经音频…
26 0 0
阿里开源推理大模型QwQ-32B-Preview：能力接近o1-mini，复杂推理测评结果超过GPT-4o！开源免费商用！
随着OpenAI发布推理大模型o1，专注于推理能力的大模型开始被广泛关注。基于思维链探索的推理大模型也不断涌现。此前，DeepSeekAI与上海人工智能实验室都发布过推理大模型，也展现了很不错的推理能力，虽然DeepSeekAI官方承诺该模…
40 0 0
WebRTC 创建者刚加入了 OpenAI，他是如何思考语音 AI 的未来？
WebRTC 的早期创建者之一，Fixie.ai 联合创始人兼 CTO Justin Uberti 近日宣布加入 OpenAI，领导实时 AI （Real-Time AI）项目的开发。 Uberti 在 2011 年于 Google 参与创…
34 0 0
![语音/音频处理学术速递[11.28]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2024-11-29/1862324322220249088.jpg)
神奇的 OuteTTS - 0.1 - 350M：用几秒钟音频克隆声音的黑科技！
本文将深入剖析 OuteTTS-0.1-350M 的技术细节、功能特性、应用场景以及使用方法，带您全面了解这款模型的魅力所在。 官方博客：https://www.outeai.com/blog/OuteTTS-0.1-350M GitHub…
32 0 0
一文看尽Meta开源大礼包！全面覆盖语音、文本、图像分割等
来源丨新智元 Meta最近开源了多个AI项目，包括多模态语言模型Spirit LM、自学评估器和改进的跨语言句子编码器Mexma、图像分割模型SAM 2.1等，提升了语音识别领域和AI在图像处理的能力，进一步推动了AI研究的进展。 开源绝对…
39 0 0
![语音/音频处理学术速递[11.27]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2024-11-27/1861701473344294912.jpg)
第二届语音对话与听觉处理前沿进展研讨会议题与承办方征集通知
一、研讨会背景 为了更好地推动语音对话与听觉处理领域的深入交流与前沿研究，由中国计算机学会（CCF）语音对话与听觉专委会现向全社会业界同仁征集第二届语音对话与听觉处理前沿进展研讨会（RASDAP2025, Recent Advances o…
17 0 0