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

原创a year ago

近日，Soul App AI团队（Soul AI Lab）与西北工业大学ASLP@NPU团队和上海交通大学X-LANCE Lab正式开源语音播客生成模型SoulX-Podcast。该模型是一款专为多人、多轮对话场景打造的语音生成模型，支持中…

语音小管家

转载a year ago

⏩什么是掩蔽效应？ 人们在安静环境中听一个声音，即使这个声音的声压级很低也可以听到，说明人耳对这个声音的听阈可以很低。但是，在倾听一个声音的同时，如果存在另一个声音（掩蔽声），就会影响到人耳对所听声音的听闻效果，这时对所听声音的听阈就要提高…

语音小管家

转载a year ago

音乐结构分析（MSA）作为能够识别音乐作品中具有功能性意义的段落（如前奏、主歌、副歌）并精准检测其边界的关键技术，正在成为音乐理解和可控音乐生成的重要基础。然而，现有的MSA方法通常会因训练数据的限制、标注不一致、依赖复杂预处理流程等原因而…

语音小管家

转载a year ago

近年来，单步扩散模型因其出色的生成性能和极高的推理效率，在图像生成、文本到视频、图像编辑等领域大放异彩。目前主流的训练方法是通过知识蒸馏，最小化学生模型与教师扩散模型之间的分布差异。然而，现有的方法主要集中在两条平行的理论技术路线上： 基于…

语音小管家

转载a year ago

近年来，语音技术一度被推上风口，不少企业纷纷投入资源自研相关能力。然而从实际应用和商业回报来看，语音为产品带来的真实收益，往往远低于管理者最初的预期。如果用一句话总结原因，那就是： 语音为产品带来的收益，远低于决策者在办公室里的预期！ 详细…

语音小管家

原创a year ago

AI视频生成这一年来太卷了。从OpenAI的Sora、Kuaishou的可灵、到字节的即梦，我们几乎每隔一段时间就能看到一款“要革影视行业命”的视频模型问世。而这一次，轮到「美团」出手。 美团团队刚刚在 GitHub 上开源了一款名为Lon…