面向听觉智能与物理AI的
人机交互开发者社区

oldpan博客

原创3 years ago

今天我们介绍回声消除的优化，在前面优化回声消除过程：舒适噪声生成算法的应用与原理我们介绍了回声消除中的舒适噪声是如何产生的，这里我们介绍下线性部分的优化。我们知道在WebRTC的AEC中包含两个部分，参考

西工大音频语音与语言处理研究组

原创3 years ago

多通道语音识别（Multi-channel ASR）的目标是识别由多个麦克风（如麦克风阵列）拾取的多通道音频，相较于标准的单通道语音识别，多通道语音识别通过有效利用多通道信号提供的空间信息，帮助提升语音识别的性能。在实际应用中，由于麦克风阵…

语音小管家

转载3 years ago

招聘岗位 语音识别算法工程师-社区技术 职位描述 1.在业务场景下围绕语音识别技术栈，支撑小红书平台多项业务板块，将AI语音交互技术服务赋能产品线，包括但不限于字幕识别、视频语音文本信息抽取、安全审核及多语言语音识别等。 2.跟进最领先的语…

每日语音速递

原创3 years ago

今日论文合集：cs.SD语音5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

语音小管家

转载3 years ago

龙年伊始，Sora横空出世，举世震惊。Sora声称“作为世界模拟的视频生成模型”，豪气干云。有人悲观预言很多传统领域可能被颠覆，其中最为岌岌可危的可能是计算机图形学，短视频和影视娱乐行业。依随OpenAI透露出更多技术细节，很多Sora生成…

西工大音频语音与语言处理研究组

原创3 years ago

视听语音识别（Audio-visual speech recognition, AVSR）是指结合音频和视频信息对语音进行识别的技术。当前，语音识别（ASR）系统在准确性在某些场景下已经达到与人类相媲美的水平。然而在复杂声学环境或远场拾音场…

每日语音速递

原创3 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

量子位

转载3 years ago

谷歌大模型，开源了！ 一夜之间，Gemma系列正式上线，全面对外开放。 它采用Gemini同款技术架构，主打开源和轻量级，免费可用、模型权重开源、允许商用，同时笔记本可跑。 共有2B和7B两个版本，性能全面超越开源标杆Llama 2。 每种…

语音小管家

转载3 years ago

招聘岗位 资深音频算法工程师 职位描述 1、从事音频生成算法研究、训练、应用，包括人声、音乐、音效等方面。 2、负责模型的多机多卡训练、高性能推理等。 3、负责将生成技术落地到业务，并进行持续优化。

语音小管家

转载3 years ago

招聘岗位 音频算法工程师 职位描述 1.负责/参与音频基础算法（VAD、降噪等）的开发、实现和优化。 2.负责/参与LC3音频编解码器的开发和优化，协议栈的集成。 3.与ASIC工程师协同完成音频系统集成和联合调试。