声浪
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…
14 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…
13 0 0
SLT 2024丨上交大听觉认知与计算声学实验室录用论文分享
分享上交大听觉认知与计算声学实验室6篇被SLT 2024收录的论文,论文方向涵盖目标语音提取,声音异常检测,多语种语音识别和语音增强等。 1、DISCRIMINATIVE DIFFUSION MODEL FOR TARGET SPEECH…
12 0 0
