字节打造大模型TTS：不仅能高保真合成，而且支持调整编辑
TTS 是指文本转语音，这是一种具备诸多妙用的技术，像是让个人智能助理说话、为视频或游戏配音、辅助视障人士、制作有声书等等。对于 TTS 技术研发者来说，流畅自然的表达一直以来都是值得追求的重要目标。 字节跳动 Seed Team 发布的…
63 0 0
声浪
IEEE/ACM T-ASLP | 利用噪声感知的标签集成和样本选择改进说话人验证：学习并矫正噪声说话人标签
论文题目：利用噪声感知的标签集成和样本选择改进说话人验证：学习并矫正噪声说话人标签 作者列表：方志华，何亮*，李琳，胡英 单位：（1）新疆大学计算机科学与技术学院，乌鲁木齐 830017； （2）清华大学电子工程系，北京 100084； （…
24 0 0
![语音/音频处理学术速递[6.19]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2024-06-21/1803992958815571968.jpg)
杀疯了！ 谷歌卷视频到语音，逼真音效让AI视频告别无声！
AI圈这遍地开花的大好局面，让吃瓜群众们甚是惊喜。 自 Sora 发布以来，国内外各大科技公司和研究机构都在竞相推出“文生视频”大模型，比如生数科技的 Vidu、快手的可灵和 Runway 昨天才发布的 Gen-3 Alpha 等。 然而，…
32 0 0
吴恩达：从 Agent 到 Agentic，超越基础模型的下一代 AI
“与其争论哪些工作才算是真正的 Agent，不如承认系统可以具有不同程度的 Agentic 特性。” —— 吴恩达 2024年 Snowflake 峰会开发者日上，人工智能领域的领军人物吴恩达 (Andrew Ng) 发表了题为“AI 代理…
41 0 0
字节内测「海绵音乐」，中文能力Max！“AI+音乐”赛道成抖音真正的动机！
近日，字节跳动正式宣布其AI音乐生成工具——海绵音乐，已经开启内测阶段，官网也已正式上线，预示着音乐创作和欣赏方式的全新升级。 官网：https://www.haimianyinyue.com/featured 值得一提的是，“海绵音乐”在…
29 0 0
![语音/音频处理学术速递[6.18]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2024-06-21/1803992557596839936.jpg)
人工智能语音转文本可以产生暴力语言的幻觉
康奈尔大学的研究人员发现，说话时如果有点断断续续或者停顿时间太长，语音转文本的转录器可能会把有害的、暴力的话语放到你的嘴里。 研究人员表示，OpenAI的Whisper（一种人工智能语音识别系统）偶尔会编造或“幻化”整个短语和句子，有时会让…
32 0 0
黑芝麻智能 | 招聘AI算法工程师（武汉）
黑芝麻智能 黑芝麻智能科技（Black Sesame Technologies）致力于成为全球嵌入式智能驾驶计算平台的共创者，用“芯”赋能未来出行。公司于2016年设立，在硅谷、新加坡、上海，全球员工近700人，创始团队大多毕业于清华大学，…
42 0 0