声浪

新智元

原创3 years ago

DeepMind最新研究发现，只要模型设计上没有缺陷，决定模型性能的核心可能是训练计算量和数据。在相同计算量下，卷积神经网络模型和视觉Transformers模型的性能居然能旗鼓相当！ 模型性能的高低，到底是模型结构决定的，还是训练模型的算…

新智元

原创3 years ago

谷歌研究院和DeepMind研究人员推出最新PaLI-3视觉语言模型（VLM），模型以更小、更快、更强的特点获得大部分研究人员青睐，在诸多任务中达到SOTA。 最近，堪称改变游戏规则的视觉语言模型（VLM）PaLI-3问世，引得大量科研人员…

每日语音速递

原创3 years ago

今日论文合集：cs.SD语音8篇，eess.AS音频处理11篇。 cs.SD语音 【1】 Towards Matching Phones and Speech Representations标题：走向匹配音素和语音表示

语音小管家

转载3 years ago

最近小米k2社区发布了vits语音合成模型，作者基于k2社区csukuangfj的onnx模型导出代码，实现了onnx模型的流式推理代码，大大提升了VITS语音合成的响应速度，50个字的首包延迟在400ms左右。 项目地址 https://…

每日语音速递

原创3 years ago

今日论文合集：cs.SD语音9篇，eess.AS音频处理11篇。 cs.SD语音 【1】 ArTST: Arabic Text and Speech Transformer标题：Artst：阿拉伯语文本和语音转换器

语音小管家

转载3 years ago

10月21日，2023声纹识别研究与应用学术研讨会在天津海河假日酒店成功举办，本次会议为后疫情时代的第一次线下声纹识别研究与应用学术研讨会。会议由天津大学和中国科学院声学研究所共同主办，天津大学认知计算与应用天津市重点实验室和中国科学院声学…

每日语音速递

原创3 years ago

今日论文合集：cs.SD语音8篇，eess.AS音频处理9篇。 cs.SD语音 【1】 CDSD: Chinese Dysarthria Speech Database标题：CDSD：汉语构音障碍语音库链接

每日语音速递

原创3 years ago

今日论文合集：cs.SD语音20篇，eess.AS音频处理27篇。 cs.SD语音 【1】 Novel-View Acoustic Synthesis from 3D Reconstructed Rooms标题：基于三维重

语音小管家

转载3 years ago

1. AdaSpeech: Adaptive Text to Speech for Custom Voice 定制语音是商业语音平台中的一种特定的文本到语音（TTS）服务，旨在适应源TTS模型，使用目标说话人的少量语音为其合成个性化语音。定…

每日语音速递

原创3 years ago

今日论文合集：cs.SD语音9篇，eess.AS音频处理13篇。 cs.SD语音 【1】 Two-Stage Triplet Loss Training with Curriculum Augmentation for Audio-Visu…