Apple的这篇人工智能论文提出了声学模型融合，用以大幅降低语音识别系统中的单词错误率
Apple人工智能论文在提高自动语音识别 (ASR) 系统的准确性和效率方面取得了重大改进。最近的研究深入探讨将外部声学模型 (AM) 集成到端到端 (E2E) ASR 系统中，提出了一种解决域不匹配这一持续挑战的方法，这是语音识别技术中的…
39 0 0
最新声浪
查看全部 →
ICASSP2024 | 基于音频质量的多策略目标说话人提取
目标说话人提取（Target Speaker Extraction, TSE）旨在从包含多个说话人的复杂音频中分离出特定的说话人的语音。在诸如会议交流和家庭聚会等场景中，存在诸多干扰说话人和背景噪声，这种情况下对特定说话人的语音提取是一项极…
49 0 0
IBM安全研究人员揭示了劫持实时对话的深度伪造人工智能音频攻击
IBM安全研究人员最近发现了一种“令人惊讶且极其简单”的技术，可以使用人工智能 (AI) 劫持和操纵实时对话。 这种被称为“音频劫持”的攻击依赖于生成人工智能（一类人工智能，包括OpenAI 的ChatGPT和Meta的Llama-2）和D…
19 0 0
ICASSP2024 | SponTTS: 面向自发风格的语音合成与风格迁移
自发语音合成（Spontaneous speech synthesis）就像ChatGPT的语音合成效果一样，旨在模仿人类自然说话的方式，包括讲话中出现的不自觉停顿、拖音等自发现象，以及更加多变的语气、语调、语速和节奏，甚至包括一些非语言内…
60 0 0
南洋理工大学NTU-生成式有源噪声控制GFANC
最近南洋理工大学DSP实验在TASLP，SPL，ICASSP上发表了生成式固定滤波器主动噪声控制(Deep Generative Fixed-filter Active Noise Control, GFANC) 的相关文章。这些研究侧重于…
37 0 0
TTS它又来了！OpenVoice：一款借鉴于TTS实现的强大的AI语音克隆工具！
2023年被大家称为人工智能元年，在GPT技术不断爆火的背景下，人工智能技术也在不断的发展和演化。各种AI工具也层出不穷，其中 语音克隆技术 也是尤为引人瞩目的产品之一。 而OpenVoice作为一款强大的多语言即时语音克隆AI工具，可以为…
35 0 0
IEEE SPL｜基于高阶信息交互和特征校准的单通道语音增强网络
期刊介绍：IEEE Signal Processing Letters (影响因子: 3.9) 是一本旨在快速传播原创的、前沿的思想和及时的重要贡献的期刊，涵盖了信号处理、图像处理、语音处理、语言处理和音频处理等领域。 论文题目：IIFC-…
42 0 0
如何优化智能音响的语音和音频测试？
智能音响已经风靡千家万户，消费者满意度与其智能音响对语音命令的理解程度密切相关。语音清晰度和音质对于领先的平台提供商至关重要。那么，如何确保您的产品能够满足消费者的严格要求？ 真实测试 一种常用的方法是测量响应准确率
32 0 0
聊聊音频信号处理中一个不太起眼的算法-limiter
相比于音频信号处理中的其它算法，limiter 是一个存在感较低的算法，各种资料上所呈现出的原理和实现过程也相对简单，基本一看就懂。但是按照该原理所实现的 limiter 仍然需要接后处理才能满足实际需要。 本文首先介绍了 Matlab 上…
54 0 0
ICASSP2024 | DualVC 2:基于动态掩蔽卷积的流式与非流式统一语音转换模型
语音转换 (Voice Conversion) 旨在保留语音中语言内容信息的同时，将源说话人音色转变为目标说话人的音色。越来越多的应用场景，如直播、视频会议等实时通信（RTC）应用中要求语音转换能够实时进行，而目前常见的语音转换模型以整段音…
69 0 0