面向听觉智能与物理AI的
人机交互开发者社区

语音小管家

转载2 years ago

前几天，“杭州六小龙”之一「群核科技」在GTC 2025大会开源了空间理解模型：SpatialLM。 SpatialLM 是一款专门为三维空间理解设计的大语言模型，通过三维点云数据，生成结构化的三维场景理解输出，包括墙壁、门、窗等建筑元素，…

语音小管家

转载2 years ago

上海灿瑞科技股份有限公司目前拥有磁传感器、电源管理芯片、电机驱动、光电传感器等多样化传感器及数模混合芯片矩阵，拥有全流程集成电路封装测试服务能力。 灿瑞产品应用范围广阔，已全面覆盖在汽车电子、工业控制、智能安防、医疗设备、物联网、移动终端等…

语音小管家

转载2 years ago

博彦科技是亚太领先的全方位IT服务及行业解决方案提供商，具备全球范围内的交付能力。博彦科技创立于1995年，员工10000多人, 是中国IT行业的先行者和领军企业，拥有完善、成熟的管理和开发流程，确保为客户提供高质量的服务。公司全球总部设在…

语音小管家

原创2 years ago

自3月起，语音之家已成功举办13场活动，包括ICASSP2025论文预讲会、技术沙龙及学术讲座，汇聚了众多行业专家与学者的精彩分享。在参与活动和观看直播时，经常会收到大家一些疑问，我们收集了大家最关心的3个问题，并在此提供解答： 1、观看直…

语音小管家

转载2 years ago

2025年3月20日，OpenAI推出了三款新模型——gpt-4o-transcribe、gpt-4o-mini-transcribe 和 gpt-4o-mini-tts。前面2个是自动语音识别模型（ASR），最后一个是语音合成模型（TTS…

语音小管家

转载2 years ago

分享3篇IMU语音理解与生成实验室被中科院一区Top期刊Information Fusion 录用的论文，内容涵盖对话语音合成、视听语音识别生成式纠错、语音鉴伪等。 《Information Fusion》在中科院分区中为计算机科学大类一区…

语音小管家

转载2 years ago

Seed-VC 是由开发者 Plachtaa 在 GitHub 上开源的项目，其灵感来源于字节跳动的 SEED-TTS 架构，是一款超强大的开源语音转换和歌曲转换工具。 项目地址：https://github.com/Plachtaa/se…

语音小管家

转载2 years ago

慧言科技（天津）有限公司是一家业内领先的言语交互高新技术企业。公司基于自主可控“海河·谛听”言语交互意图理解大模型，研发语音识别、语音生成、语义理解、文本生成、知识问答、机器翻译、声纹识别等全链路言语交互技术，支持中英日韩法西俄德维藏泰越等…