IEEE SLT2024 | StutteringSpeech：普通话口吃事件检测和自动语音识别挑战赛总结
为推动口吃患者友好的语音技术，StammerTalk联合西北工业大学音频语音与语言处理研究组 (ASLP@NPU) 、希尔贝壳、南开大学、中国科学技术大学、武汉大学及 WeNet 开源社区等多家单位，在 SLT2024 上推出了普通话口吃事…
39 0 0
声浪
![语音/音频处理学术速递[9.26]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2024-09-27/1839548372386713600.jpg)
李飞飞：语言不是全部，AI 要进化出「可操作性」
成立不到半年时间，李飞飞创办的 World Labs 融资超过 3 亿，估值超过 10 亿美元，成为新的 AI 独角兽。 a16z、英伟达、Geoffrey Hinton、Jeff Dean、谷歌前 CEO Eric Schmidt、Lin…
14 0 0
OpenAI开放GPT-4o高级语音，会50多种语言！
来源丨机器之心 这项高级语音功能，大家可是等了好久。 谷歌又被 OpenAI 截胡了。 前脚谷歌刚刚升级完两款模型 Gemini-1.5-Pro-002 和 Gemini-1.5-Flash-002，后脚奥特曼就直接宣布 GPT-4o 今天…
17 0 0
对标 GPT-4o 的端到端开源语音模型来了，67页技术报告全公开
来源丨新智元 两个多月前那个对标GPT-4o的端到端语音模型，终于开源了。大神Karpathy体验之后表示：nice！ 论文地址：https://kyutai.org/Moshi.pdf
20 0 0
![语音/音频处理学术速递[9.25]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2024-09-25/1838790913346899968.jpg)
IEEE SLT2024 | 源说话人追踪挑战赛（SSTC）NPU-TeleAI 联队冠军方案分享
说话人验证（Speaker Verification, SV）是一项重要的生物认证技术，在包括移动设备、智能家居、智慧城市、智慧金融等各个领域得到了广泛应用。考虑到这些应用的安全性，确保说话人验证系统能够抵御各种欺骗攻击（如语音合成、语音转…
33 0 0
吉利汽车发布自研 TTS 大模型，性能超 SOTA 10%
吉利汽车发布最新HAM-TTS大模型，在发音准确性、自然度和说话人相似度上对比之前SOTA成果VALL-E，有了大幅提升。 论文地址：https://arxiv.org/abs/2403.05989 吉利自研语音大模型HAM-TTS的全称是…
14 0 0
![语音/音频处理学术速递[9.24]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2024-09-25/1838789714388324352.jpg)