声浪

21dB声学人

转载2 years ago

在大数据时代，互联网上的音乐数据呈现爆炸性增长，各种音视频软件中嵌入的音乐负载着巨大的信息量。这些音乐数据，往往是由人声演唱和乐器伴奏这两种音乐信号混合而成的，它们共同构建了音乐作品的丰富层次和情感表达。然而，由于人声与伴奏在节奏和旋律上的…

每日语音速递

原创2 years ago

今日论文合集：cs.SD语音29篇，eess.AS音频处理32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

号称不可能轻易被击败的AGI基准ARC-AGI被GPT-4o撼动，GPT-4o以在公共测试集50%、在训练集71%的准确率成为了新的SOTA！ ARC-AGI是唯一可以用来衡量通用人工智能进展的基准，创造者François Chollets…

阿里语音AI

转载2 years ago

分享8篇通义实验室在 INTERSPEECH 2024 和 ACL 2024 中稿的论文，涵盖音频理解与生成、语音情感表示、语音合成、语音分离、说话人验证、自动语音识别等多个技术方向。 INTERSPEECH是国际语音通讯协会（ISCA）组…

西工大音频语音与语言处理研究组

原创2 years ago

西工大音频语音与语言处理研究组（ASLP@NPU）将在INTERSPEECH 2024携合作伙伴宣读论文14篇，论文的合作单位包括腾讯、出门问问、小米、网易、字节跳动、爱奇艺、阿里巴巴、喜马拉雅、度小满、香港中文大学等。以下是发表论文的相关…

机器之心

转载2 years ago

TTS 是指文本转语音，这是一种具备诸多妙用的技术，像是让个人智能助理说话、为视频或游戏配音、辅助视障人士、制作有声书等等。对于 TTS 技术研发者来说，流畅自然的表达一直以来都是值得追求的重要目标。 字节跳动 Seed Team 发布的…

语音小管家

转载2 years ago

论文题目：利用噪声感知的标签集成和样本选择改进说话人验证：学习并矫正噪声说话人标签 作者列表：方志华，何亮*，李琳，胡英 单位：（1）新疆大学计算机科学与技术学院，乌鲁木齐 830017； （2）清华大学电子工程系，北京 100084； （…

每日语音速递

原创2 years ago

今日论文合集：cs.SD语音15篇，eess.AS音频处理22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

AI圈这遍地开花的大好局面，让吃瓜群众们甚是惊喜。 自 Sora 发布以来，国内外各大科技公司和研究机构都在竞相推出“文生视频”大模型，比如生数科技的 Vidu、快手的可灵和 Runway 昨天才发布的 Gen-3 Alpha 等。 然而，…

语音小管家

转载2 years ago

“与其争论哪些工作才算是真正的 Agent，不如承认系统可以具有不同程度的 Agentic 特性。” —— 吴恩达 2024年 Snowflake 峰会开发者日上，人工智能领域的领军人物吴恩达 (Andrew Ng) 发表了题为“AI 代理…