声浪

机器之心

原创3 years ago

通义千问开源！阿里云开源通义千问70亿参数模型，包括通用模型Qwen-7B和对话模型Qwen-7B-Chat，两款模型均已上线ModelScope魔搭社区，开源、免费、可商用，欢迎大家来体验。 来源丨魔搭ModelScope社区 01 环境…

机器之心

原创3 years ago

来源丨机器之心 可以说，AI 初创公司 LinkSoul.Al 的这些开源项目让海外开源大模型在国内的普及和推广速度与国际几乎保持了一致。 7 月 19 日，Meta 终于发布了免费可商用版本Llama 2

每日语音速递

原创3 years ago

今日论文合集：cs.SD语音5篇，eess.AS音频处理6篇。 cs.SD语音 【1】 Adversarial Training of Denoising Diffusion Model Using Dual Discriminators…

语音小管家

转载3 years ago

WeNet线下班-北京站正式进入开课倒计时，报名的朋友机票住宿都安排好了吗？ 大家报名的时候，总是对线下班的授课内容有很多的疑问，也有很多朋友心存疑惑正在观望。 为了一次性解决大家的困惑，我们邀请授课老师来做一场直播。 无论你有什么困惑，这…

语音小管家

转载3 years ago

在过去的几年里，我们看到了AI在图像、视频和文本生成方面的巨大进步。然而，音频生成领域的进展却相对滞后。MetaAI这次再为开源贡献重磅产品：AudioCraft，一个支持多个音频生成模型的音频生成开发框架。 AudioCraft开源地址…

每日语音速递

原创3 years ago

今日论文合集：cs.SD语音3篇，eess.AS音频处理3篇。 cs.SD语音 【1】 Music De-limiter Networks via Sample-wise Gain Inversion标题：基于采样增益倒置

机器之心

原创3 years ago

GPT 等大型语言模型（LLM）的成功离不开 Softmax 注意力机制，但这一机制也存在着成本高等一些缺点。 来源丨机器之心 近日，上海人工智能实验室和 OpenNLPLab 的一个研究团队提出了一种新的大型语言模型 TransNorme…

西工大音频语音与语言处理研究组

原创3 years ago

在多人线下会议的场景，往往会出现多人讲话的讨论场景。多说话人语音识别（Multi-Talker ASR）针对类似场景，旨在识别包含多个说话人的语音，其中正确识别包含说话人交叠（speaker overlap）的语音最具挑战。最近提出的序列化…

oldpan博客

原创3 years ago

对于语音增强来说，噪声一般可以分为稳态噪声（如白噪声）和瞬态噪声（有的地方也叫非稳态噪声，如键盘声）。如果对语音降噪有一定了解的读者会知道，一般的信号处理方法对稳态噪声比较有效，可以参考WebRTC ANR 流程解析，然而对于瞬态噪声，由于…

西工大音频语音与语言处理研究组

原创3 years ago

文章来源于音频语音与语言处理研究组，作者刘广厚 语音风格迁移 (Style Transfer) 旨在把其他说话人的讲话风格迁移到不具备该风格的目标说话人上，在保留目标说话人音色的同时生成各种具有表现力的语音。目前主流的风格迁移方式有两类。一…