声浪

语音小管家

原创2 years ago

在当今数字化时代，语音识别技术已成为人机交互的关键桥梁，广泛应用于智能客服、语音助手、会议转录等众多领域。然而，对于东方语言的识别如越南语、缅甸语等，现有模型往往表现不佳，难以满足用户的需求。为解决这一难题，海天瑞声携手清华大学电子工程系语…

语音小管家

转载2 years ago

Data2vec是一种优秀的语音自监督学习（SSL）方法，在语音识别（ASR）等下有任务上表现卓越。Data2vec采用教师-学生架构，其教师分支的浅层可以捕捉说话人和语种信息，中层编码音素和单词特征，而深层负责重构。在多语种（multil…

语音小管家

转载2 years ago

来源丨新智元 OpenAI真的要开源了！奥特曼官宣，即将开源自GPT-2以来的首款推理模型，可在消费级硬件上运行。同时，OpenAI又拿到了最高400亿单轮融资，估值直冲3000亿。 OpenAI终于要Open AI了！ 一大早，奥特曼郑重…

语音小管家

转载2 years ago

本期将为大家介绍上海交通大学听觉认知与计算声学实验室被ICASSP2025录用的7篇论文，研究领域涵盖说话人识别、语音增强、语音合成、语音分离等多个方向。 01、Flow-TSVAD:Target-Speaker Voice Activit…

语音小管家

转载2 years ago

近期语言模型(LM)在自然语言处理和计算机视觉领域蓬勃发展，可以生成高质量的文本或图像。相比之下，当前的语音生成模型仍然在语音质量和任务多样性之间挣扎。本文提出了Vec-Tok Speech，一个适用于众多下游任务的的可扩展框架，生成富于表…

语音小管家

转载2 years ago

近年来，大模型（LLMs）如 GPT 系列、Claude 等展现出的惊人多语言能力，常常让人惊叹。它们不仅能理解和生成多种语言的文本，甚至能在不同语言之间无缝切换，完成翻译、问答、写作等复杂任务。这不禁引人发问：这种强大的多语言能力究竟从何…

语音小管家

转载2 years ago

来源丨AI音频时代 洛杉矶AI音效初创公司Noctal完成180万美元种子轮融资，由Caruso Ventures领投，多位跨界投资人跟投。融资将用于加速研发全球首款"AI音效导演系统"， 计划2025年正式推向影视制作与内容创作市场。 N…