声浪

语音小管家

转载9 months ago

写在前面 回复整个2025年的TTS发展，可以看到一个非常明显的趋势就是：大模型正在重新构建语音合成的范式。遥想2023年年初，我还在思考如何基于fastspeech的框架来打磨各个module的细节来提升表现力，训练数据最多也就在数百小时…

语音小管家

转载9 months ago

在大语言模型（LLMs）领域，扩散大语言模型（dLLMs）因其并行预测特性，理论上具备超越传统自回归（AR）模型的推理速度潜力。然而在实践中，受限于现有的解码策略，dLLMs 的单步生成往往局限于 1-3 个 Token，难以真正释放其并行…

语音小管家

转载9 months ago

近日，来自香港大学和字节跳动的研究团队提出了一种简单有效的框架 ——JoVA，它支持视频和音频的 Token 在一个 Transformer 的注意力模块中直接进行跨模态交互。为了解决人物说话时的 “口型 - 语音同步” 问题，JoVA 引…

语音小管家

转载9 months ago

机器之心编辑部 今天，Meta 完成了一项大收购，将智能体初创公司 Manus 收入麾下。 目前，双方交易的具体细节（包括具体收购金额等）尚未公布。 自今年 3 月推出全球首款通用 Agent 以来，Manus 迅速走红，成为人工智能领域的…

每日语音速递

转载9 months ago

从2022年优化智能客服开始，我就开始尝试优化人机语音对话中的“语义完整度”模块。当时大部分人的精力都集中在优化识别率，在语音对话系统中，这不是一个核心模块，似乎是可有可无的，但语义上的完整度对于用户体验、信息收集的效率都有很大的影响。特别…

语音小管家

转载9 months ago

来源 | 量子位 现有的AI视频生成模型虽然在短片上效果惊人，但面对一首完整的歌曲时往往束手无策——画面不连贯、人物换脸、甚至完全不理会歌词含义。 近日，来自M-A-P、北京邮电大学、南京大学NJU-LINK实验室等机构的研究者们提出了Au…

语音小管家

转载10 months ago

最近一些朋友，包括从事投资方向的朋友，看到我的笔记和文章后，会找我聊语音相关的技术和现状，以及对当前一些技术和应用的看法。今天想分享一下，在我看来，大模型的AI时代，未来在智能语音方向，我只看好两个方向：语音理解和被动语音记录。 基础技术上…

语音小管家

转载10 months ago

来源丨PaperWeekly 无需重新训练，只要抑制 0.1% 的特定神经元，就能让模型“闭嘴”？ 近年来，大语言模型（LLMs）在问答、推理与生成任务中展现出卓越能力，但其幻觉（Hallucination）问题仍然是制约实际应用的核心挑战…