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3 months ago

来源丨阿里语音AI 近年来，单通道语音分离技术犹如一场精彩的接力赛，从 Conv-TasNet 的精巧卷积，DPRNN 的深度循环，到 SepFormer 和 MossFormer 的 Transformer 革命，再到 TF-GridNe…

语音小管家

转载3 months ago

来源丨新智元 刚刚，Anthropic和OpenAI同时放出了语音模式大升级！ Claude这边，从只能跑Haiku升级到Opus 4.8和Sonnet 5全系列，不仅能在对话里调Gmail、日历、Slack，还扩增到11种语言，但没有中文…

语音小管家

原创3 months ago

工作地址：上海市朱梅路地铁站附近。 岗位一、音频算法工程师：5人 岗位职责： 1. 负责全景声算法（音乐分离、空间音频等）的设计实现、移植调试。 2. 负责无麦K歌、啸叫抑制等算法的设计实现、移植调试。 3. 负责车内外通话（AI降噪、AE…

语音小管家

原创3 months ago

近年来，端到端口语对话（S2S）与语音合成（TTS）技术正加速从“可懂、可用”向“自然、拟人”发展。尤其在智能座舱、语音助手等实际应用场景中，用户对语音交互的期待已不再局限于内容准确，还希望模型能够展现接近真人的表现力，包括细腻的情绪起伏、…

语音小管家

转载3 months ago

ACL(Annual Meeting of the Association for Computational Linguistics)是计算语言学与自然语言处理(NLP)领域最具影响力的国际学术会议之一,每年汇聚全球顶尖学者、研究机构与工…

语音小管家

原创3 months ago

全双工语音对话模型（Spoken Dialogue Model, SDM）已经能够同时进行听、说与被打断的实时交互。但一个更基础的问题始终没有被充分回答： 为全双工 SDM 设计强化学习训练时，应当以何种信号作为奖励？ 现有方法大多只覆盖评…

语音小管家

转载3 months ago

近年来，基于大语言模型（LLM）的音频大语言模型（Large Audio Language Models, LALMs）在音频理解任务上取得了显著进展，在短音频场景中已经展现出优异的性能。然而，当输入扩展到播客、访谈、会议、直播等常见的持续…