由内蒙古大学主办的学术讲座将于 2024年8月9日14:30 - 16:20 线上线下同步开启。

从语音量化到语音生成：深入浅出CosyVoice 语音生成大模型

时间：8月9日（周五）14:30 ~ 16:20

形式：线上直播 & 线下参会

线下：内蒙古大学计算机学院一楼多媒体报告厅(119室)


嘉宾&题目


杜志浩
阿里巴巴通义语音实验室高级算法工程师
嘉宾介绍：杜志浩，阿里巴巴通义语音实验室高级算法工程师。2015年，毕业于内蒙古大学获得软件工程学士，内蒙古大学精英学生开发者联盟第二任主席，导师张学良教授。2021年，毕业于哈尔滨工业大学获得计算机科学与技术博士学位，导师韩纪庆教授。随后加入阿里巴巴通义语音实验室至今，任高级算法工程师，负责语音相关的基础算法研究。其研究兴趣包括多模态语音大模型、语音信号处理以及自然语言理解。在TASLP、EMNLP、ICASSP、INTERSPEECH 等国际刊物、会议上发表论文 20 余篇，担任 ICASSP、INTERSPEECH、IALP、ISCSLP 等国际会议审稿人。其研究成果CosyVoice、SOND、TOLD 等已落地阿里云服务、通义 APP、巴黎奥运会等业务场景,服务于广大用户。


讲座题目：从语音量化到语音生成：深入浅出CosyVoice 语音生成大模型
摘要：语音作为人与人、人与机器最自然的沟通交流方式之一，广泛应用于生活中的方方面面。在当前这个生成式人工智能大爆发的时代，语音生成和语音交互也受到广泛关注。本次讲座聚焦于语音的量化表示及其在语音生成和多模态大模型上的应用，从介绍语音信号及其特点开始，围绕如何对语音进行量化表示以及如何基于这种表示得到超自然的语音生成模型等问题逐步展开。将以 CosyVoice 为例，详细介绍当前语音生成大模型的学习和推理范式，不仅实现普通的文本到语音合成，还做到one-shotcloning、音色生成、情感控制以及细粒度控制等特性。CosyVoice 模型和代码现已全面开源，欢迎大家使用、开发。


线上参与

直播将通过语音之家微信视频号进行直播

手机端、PC端可同步观看
👇👇👇



线下参与

内蒙古大学计算机学院一楼多媒体报告厅(119室)