声浪

声纹圈

原创4 years ago

本文介绍谷歌团队发表于ICASSP 2023的一篇最新论文。该论文致力于提升基于Transformer-Transducer（T-T）的说话人转换检测模型，并提出了一种全新的基于字符的（token-based）训练方式，以及一种全新的、更加…

每日语音速递

原创4 years ago

今日论文合集：eess.AS音频处理6篇。 eess.AS音频处理 【1】 Multiple Hankel matrix rank minimization for audio inpainting标题：用于音频修复的多Hankel矩阵最小…

每日语音速递

原创4 years ago

今日论文合集：cs.SD语音6篇，eess.AS音频处理6篇。 cs.SD语音 【1】 Hindi as a Second Language: Improving Visually Grounded Speech with Semantic…

语音小管家

转载4 years ago

语音到语音翻译（S2ST）对于打破语言壁垒与沟通障碍非常有益。传统的 S2ST 系统通常由语音识别（ASR），机器翻译（MT）和语音合成（TTS）三部分组成。与这些级联系统相比，直接 S2ST 能够用于翻译没有书面形式的语言；减少了计算需求…

西工大音频语音与语言处理研究组

原创4 years ago

实时通信 (RTC) 在我们的日常生活中变得不可或缺，诸如腾讯会议在内的语音RTC应用已经成为我们日常使用的在线交流工具。然而在通话过程中，语音质量受到背景噪声、混响、干扰说话人等多种干扰的显著影响。因此语音增强技术在 RTC 链路中起着至…

每日语音速递

原创4 years ago

今日论文合集：cs.SD语音2篇，eess.AS音频处理5篇。 cs.SD语音 【1】 Physics-Driven Diffusion Models for Impact Sound Synthesis from Videos 标题：基于…

西工大音频语音与语言处理研究组

原创4 years ago

人类语音是极富表现力的，包括语调、重读、风格、情感的各种表达。表现力语音合成（Expressive Speech Synthesis）的目标就是准确的表达出语音中的各种表现力因素。之前的表现力语音合成通常将表现力定义为说话时的单一因素，即风…

新一代Kaldi

原创4 years ago

本文介绍如何使用新一代 Kaldi 部署来自 NeMo 中的预训练 CTC 模型。 简介 NeMo[1] 是 NVIDIA 开源的一款基于 PyTorch 的框架， 为开发者提供构建先进的对话式 AI 模型，如自然语言处理、文本转语音和自动…

每日语音速递

原创4 years ago

今日论文合集：cs.SD语音7篇，eess.AS音频处理9篇。 cs.SD语音 【1】 A Universal Identity Backdoor Attack against Speaker Verification based on S…

语音小管家

转载4 years ago

论文题目： SPEECH TOPIC CLASSIFICATION BASED ON PRE-TRAINED AND GRAPH NETWORKS 作者列表： 牛方静，曹腾飞，胡英，黄浩，何亮 研究背景 随着网络科技的不断进步，短视频的个性…