声浪

21dB声学人

转载2 years ago

随着移动互联网技术的发展，互联网基础应用不再局限于文本输入，而是更加倾向于采用语音这一高效便捷的输入方式。特别是在机器翻译领域，实时的语音翻译技术已经成为人们出行交流的得力助手。自动语音翻译技术旨在实现不同语言间语音的直接转换。其核心流程通…

每日语音速递

原创2 years ago

今日论文合集：cs.SD语音19篇，eess.AS音频处理20篇。 本文经arXiv每日学术速递授权转载 cs.SD语音

机器之心

转载2 years ago

今天凌晨，OpenAI 突然宣布终止对中国提供 API 服务，进一步收紧国内开发者访问 GPT 等高水平大模型。国内开发者真是太难了。 好在，随着开源大模型水平越来越高，开发者已经有很多不错的 “平替”，比如 Qwen2、DeepSeek…

21dB声学人

转载2 years ago

在理想世界中，我们会在宁静的空间里进行所有音频和视频录制。然而，我们大多数人的日常现实与此不同。外面的交通和邻居的噪音并不总是在我们的控制范围内。 如果您的录音中存在噪音，想要修复，那么本文正适合您。您将找到一些可用于消除录音中背景噪音的最…

每日语音速递

原创2 years ago

今日论文合集：cs.SD语音24篇，eess.AS音频处理31篇。 本文经arXiv每日学术速递授权转载 cs.SD语音

新智元

转载2 years ago

是时候把数据Scale Down了！Llama 3揭示了这个可怕的事实：数据量从2T增加到15T，就能大力出奇迹，所以要想要有GPT-3到GPT-4的提升，下一代模型至少还要150T的数据。好在，最近有团队从CommonCrawl里洗出了2…

语音小管家

转载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2024年导读栏目的第1期，也是INTERSPEECH 2024专题第一部分，共遴选了7篇论文，…

THUsatlab

转载2 years ago

“Giga”一词源于“gigantic”，互联网上具有海量音频资源，但语音质量良莠不齐，高质量音频文本对数据十分稀缺且标注成本高昂，特别是在小语种领域。GigaSpeech 是一个非常成功的英文开源数据集，以 YouTube 和 Podca…

每日语音速递

原创2 years ago

今日论文合集：cs.SD语音5篇，eess.AS音频处理12篇。 本文经arXiv每日学术速递授权转载 cs.SD语音

智能语音新青年

原创2 years ago

本次分享由江西师范大学与Institute for Infocomm Research, A*STAR联合投稿于EMNLP 2023 的一篇论文《Leveraging Contrastive Learning and Knowledge D…