声浪

语音小管家

转载7 months ago

在自然人机交互中，实现如同人类般“边听边说”的全双工语音对话（Full-duplex Spoken Dialogue）一直是语音交互系统的终极目标。与传统的半双工系统不同，全双工系统要求模型能够在用户发言过程中，实时判断是否需要继续倾听、生…

语音小管家

转载7 months ago

基于语音编码器、适配器和大语言模型（LLM）构建的语音大语言模型（SLLM），在英语和中文等高资源语言中展现了卓越的多任务理解性能。然而，在泰语等低资源语言中，其有效性显著降低。这种局限性主要源于三个因素： 现有的常用语音编码器（如 Whi…

语音小管家

转载7 months ago

近日，Soul App AI团队（Soul AI Lab)发布开源模型SoulX-LiveAct。作为新的实时数字人生成方案，SoulX-LiveAct通过 Neighbor Forcing（同扩散步对齐的自回归条件传播）与 ConvKV…

语音小管家

转载8 months ago

Singing Accompaniment Generation（SAG，人声伴奏生成）想做的事很直观：给你一段干净的人声/旋律，模型生成一段和声、节奏匹配的伴奏。 但现实里，很多SAG系统都踩在同一个坑上：它们训练时用的“人声输入”，往往…