声浪

21dB声学人

转载2 years ago

微软的 VALL-E 2 可以完美模仿人类声音，但道德问题推迟了其发布。 得益于微软在人工智能领域的进步，人类和机器声音之间的界限已变得模糊不清。人工智能工具 VALL-E 2是一款能够以惊人精度克隆人类声音的AI工具。然而，这项突破性技术…

西工大音频语音与语言处理研究组

转载2 years ago

Llama3.1系列模型的开源，真让大模型格局大震，指标上堪比最好的闭源模型比如GPT 4o和Claude3.5，让开源追赶闭源成为现实。 这里给大家分享一篇俊林兄（@知乎张俊林）的一篇解读，主要对LLaMA3.1的模型结构、训练过程进行分…

每日语音速递

原创2 years ago

今日论文合集：cs.SD语音8篇，eess.AS音频处理12篇。 本文经arXiv每日学术速递授权转载 cs.SD语音

西工大音频语音与语言处理研究组

原创2 years ago

语音转换 (Voice Conversion) 旨在保留语音中语言内容信息的同时，将源说话人音色转变为目标说话人的音色。越来越多的应用场景，如直播、视频会议等实时通信（RTC）应用中要求语音转换能够实时进行，而目前常见的语音转换模型以整段音…

西工大音频语音与语言处理研究组

原创2 years ago

声纹识别是语音领域一个重要的问题，一个鲁棒性强的声纹模型也能够让许多下游任务（语音分离，说话人日志等）受益。然而，声纹识别一个重要的痛点在于说话人人数的多少，这也间接影响着语种，信道的多样性。为了丰富开源语音语料库，为训练声纹大模型提供强有…

每日语音速递

原创2 years ago

今日论文合集：cs.SD语音9篇，eess.AS音频处理16篇。 本文经arXiv每日学术速递授权转载 cs.SD语音

语音小管家

转载2 years ago

云译科技 云译科技专注于人工智能自然语言处理技术研发和应用，包括语音识别与合成、机器翻译、OCR、舆情监测等，自主研发了支持80多种语言、覆盖超20个垂直细分领域的神经网络机器翻译引擎，并以此为核心，倾力打造智能翻译产品与服务体系。随着人工…

语音小管家

转载2 years ago

阶跃星辰 阶跃星辰，以阶跃之力，赴星辰大海。官网：https://www.stepfun.com/。从官网中我们可以看到，星辰自称： 汇聚顶尖人才算法专家、系统专家、亿级用户产品负责人，我们聚集了多位业界顶尖人才。 2. 自研通用大模型我们…

THUsatlab

转载2 years ago

尽管预训练模型在众多下游任务上有着优秀的表现，其在机器异常声音检测任务上往往表现不佳。本篇论文发现，迁移学习的一致性是异常检测性能的关键因素，包括结构一致性和数据一致性。 因此，研究团队提出了AnoPatch模型，在机器数据上对BEATs音…

每日语音速递

原创2 years ago

今日论文合集：cs.SD语音17篇，eess.AS音频处理18篇。 本文经arXiv每日学术速递授权转载 cs.SD语音