280页PDF，全方位评估OpenAI o1
OpenAI 的 o1-preview 模型已经发布两周了，网上也有了很多零星的测评。不过，大部分测评都侧重于某一个方面，对于 o1-preview 的系统评估目前还比较匮乏。 在一篇长达 280 页的论文中，来自加拿大阿尔伯塔大学等机构的…
13 0 0
声浪
腾讯开源文本到音频生成模型 EzAudio
近日，约翰霍普金斯大学与腾讯 AI 实验室联合推出了一款名为 EzAudio 的新型文本到音频生成模型。和之前发布的audiocraft和 Stable Audio Tools 类似，都可以通过一段提示词生成对应逼真的音频文件。 EzAud…
10 0 0
LLaMA-Omni 低延迟高质量语音交互，开源！
随着GPT-4o的发布，在语音界面的Voice-Chat越来越受到大家的关注，对于低延迟，高准确性模型的speech-to-speech的需求日益增长，来自中科院计算所NLP组的LLaMA-Omni 有效的解决了这样的需求，该模型整合了预训…
11 0 0
OpenAI DevDay 大会发布4款重磅API功能，处理量增加50倍！
今天凌晨，OpenAI在美国旧金山召开了第二届开发者大会，发布了4大新的API功能。 实时语音API：每个APP里都可以拥有“Her”； 视觉微调API：只需100张图提升GPT-4o特定任务图像理解能力； 自动提示词缓存：模型最近见过的输…
9 0 0
一文详解：最新版本 Llama 3.2
来源丨图灵AI云 Meta AI最近发布了 Llama 3.2。这是他们第一次推出可以同时处理文字和图片的多模态模型。这个版本主要关注两个方面： 视觉功能：他们现在有了能处理图片的模型，参数量从11亿到90亿不等。 轻量级模型：这些模型参数…
9 0 0
3秒原声即可克隆声音，AI音频成诈骗神器！律师父亲险被骗走21万
来源丨新智元 Deepfake到底有多可怕？国外一名律师的父亲，险些陷入一场巨大AI骗局。诈骗者借助AI克隆其儿子的声音，伪造车祸事故要挟3万保释金。GenAI技术犯罪泛滥同时，科学家们也在寻找破魔之道。 AI泛滥成灾的时代，真假孰能分辨？…
11 0 0
IEEE SLT2024 ｜ DualSep：用于实时车载语音分离的轻量级双编码器卷积递归网络
近年来，深度学习的迅猛发展推动了语音识别、语音增强和说话人识别等技术的显著进步，极大改善了人机交互体验。随着声控智能设备的不断演变，对更自然、便捷的交互方式的需求日益增加。在众多应用场景中，人车语音交互作为人机交互的一种形式，尤其受到关注。…
52 0 0
![语音/音频处理学术速递[9.30]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2024-10-09/1843961748177162240.jpg)
斑马智行 | 招聘语音识别算法专家（上海）
斑马智行 斑马网络是阿里巴巴集团旗下子公司，面向汽车和交通行业提供智能汽车操作系统、智能汽车解决方案、数字交通解决方案。 斑马智行为其主要产品解决方案，充分协同阿里巴巴集团在语音、视觉、芯片、IoT、云计算、地图、支付、电商等领域技术和生态…
25 0 0
太初电子 | 招聘AI大模型产品实习生 （北京）
太初电子 太初元碁（太初（无锡）电子科技有限公司）是由国家超级计算无锡中心孵化的高性能人工智能产业化公司，致力于发展世界领先的自主可控高性能计算技术和生态。公司主要业务方向为研发自主可控的高性能计算产品、系统集成技术与全栈软件生态，面向政府…
26 0 0