时空壶 | 招聘算法实习生（深圳）
深圳时空壶技术有限公司创立于2016年，致力于通过人工智能与硬件技术的结合，打造让人类跨越语言障碍的AI翻译产品。成立6年间，时空壶针对不同场景下的翻译需求，先后上市W3旗舰翻译耳机、M3旅行翻译耳机，以及Zero随身翻等系列产品。在商务、…
22 0 0
声浪
中科智加 | 招聘语音识别工程师（北京）
中科智加是中科院自动化所旗下技术产业化公司，致力于用AI技术为行业赋能，为客户提供以语音识别、机器翻译、自然语言理解、知识图谱、图像视频智能处理等技术为核心的应用产品与解决方案，相关服务案例覆盖国内30余地市。 招聘岗位 语音识别工程师 岗…
32 0 0
一键生成万字专利！中科院发布多智能体框架AutoPatent，含1933个「草稿-专利」数据对
来源丨新智元 AutoPatent框架能够自动化生成高质量的专利文档，大幅提高专利撰写效率，有望简化专利申请流程，降低成本，促进创新保护。 最近，来自中科院深圳先进院和大连理工大学的研究团队联合开发了一个名为AutoPatent的自动化的多…
11 0 0
内大语音理解与生成实验室最新视觉语音合成工作分享
论文标题：Multi-modal and Multi-scale Spatial Environment Understanding for Immersive Visual Text-to-Speech 论文作者：刘瑞，何树伟，胡一帆，李…
13 0 0
AAAI2025 | StableVC: 风格可控的零样本语音转换
零样本语音转换 (Zero-Shot Voice Conversion) 旨在将源说话者的音色迁移到任意未见过的说话者，同时保留原始的语言内容不变。尽管近年来出现许多令人印象深刻的零样本语音转换技术，并在专业有声读物制作和娱乐短视频等领域有…
14 0 0
![语音/音频处理学术速递[12.20]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2024-12-24/1871397722301534208.jpg)
MMAudio：开源 AI 音频合成项目，自动给视频配音效
MMAudio 在给定视频和/或文本输入的情况下生成同步音频。我们的关键创新是多模式联合训练，它允许对广泛的视听和音频文本数据集进行训练。此外，同步模块将生成的音频与视频帧对齐。 项目地址：https://hkchengrex.com/MM…
13 0 0
李飞飞团队统一动作与语言，新的多模态模型不仅超懂指令，还能读懂隐含情绪
来源丨机器之心 人类的沟通交流充满了多模态的信息。为了与他人进行有效沟通，我们既使用言语语言，也使用身体语言，比如手势、面部表情、身体姿势和情绪表达。因此，为了理解和生成人类动作，理解这些多模态的行为至关重要，而且这一研究方向最近受到的关注…
16 0 0
魔珐科技 | 招聘数据标注/AI训练师（上海）
魔珐科技成立于2018年，是一家以三维计算机图形学和AIGC技术为核心的3D虚拟人科技公司。魔珐科技打造了端对端的超写实3D虚拟人工业化产线，并在此基础上建立了“3D虚拟人AIGC平台--星云平台”，自研了3D虚拟人AIGC消费级产品矩阵，…
32 0 0
像衍科技 | 招聘语音算法工程师（杭州）
杭州像衍科技有限公司成立于2021年9月。 像衍的创始团队深耕数字人相关的三维计算机视觉和图形学技术多年，创新研发了基于神经网络表示的高质量三维重建、驱动和绘制技术，打造了以“计算底座+工具链+超写实数字人内容生成”的全栈工具软件平台，以创…
34 0 0