面向听觉智能与物理AI的
人机交互开发者社区

每日语音速递

原创2 years ago

今日论文合集：cs.SD语音7篇，eess.AS音频处理10篇。 本文经arXiv每日学术速递授权转载 cs.SD语音

21dB声学人

转载2 years ago

音频资料通常只以原作语言广泛传播，而翻译工作成本高昂且不普遍。所以，人们一直梦想着能够将流行的音频资料翻译成当地语言。 除此之外，当音频材料被翻译时，它通常是用一种听起来很普通的声音进行的，与书本（文章等）的预期基调完全不符。 而现在，得益…

语音小管家

原创2 years ago

为促进最新研究成果的传播与交流，CCF语音对话与听觉专委在专委会微信公众号启动论文导读栏目，定期分享最新语音、对话与听觉相关研究方向论文。本期是INTERSPEECH 2024专题第五部分，共遴选了7篇论文，覆盖疾病检测、音频鉴伪、语音合成…

每日语音速递

原创2 years ago

今日论文合集：cs.SD语音4篇，eess.AS音频处理4篇。 本文经arXiv每日学术速递授权转载 cs.SD语音

语音小管家

转载2 years ago

来源丨机器之心 为了这个视频模型，英伟达每天正在疯狂地爬取相当于 80 年时长的视频数据。 今天，一则关于英伟达要下场做视频模型的消息引爆了 Reddit。 消息源出自外媒 404 Media，据它获得的 Slack 聊天（英伟达的内部聊天…

语音小管家

转载2 years ago

生成式AI初创公司aiOla在官网开源了最新语音模型Whisper-Medusa，推理效率比OpenAI开源的Whisper快50%。 aiOla在Whisper的架构之上进行了修改采用了“多头注意力”机制的并行计算方法，允许模型在每个推理…

每日语音速递

原创2 years ago

今日论文合集：cs.SD语音14篇，eess.AS音频处理16篇。 本文经arXiv每日学术速递授权转载 cs.SD语音

语音小管家

原创2 years ago

SpeechGPT2 是由复旦大学计算机学院开发的一个端到端的语音对话语言模型，类似于 GPT-4o。能够感知并表达情感，并根据上下文和人类指令以多种风格提供合适的语音响应。如说唱、戏剧、机器人、搞笑和低语等。 项目地址：https://0…

西工大音频语音与语言处理研究组

原创2 years ago

随着手机、笔记本电脑等智能设备的普及，音频通信系统在人们的日常生活中起到了越来越重要的作用。然而，受硬件等多种因素的限制，通信系统中的语音信号经常因频率响应失真、不连续失真、响度问题、混响和噪声等受到损伤，影响听感。在ICASSP 2024…

每日语音速递

原创2 years ago

今日论文合集：cs.SD语音6篇，eess.AS音频处理6篇。 本文经arXiv每日学术速递授权转载 cs.SD语音