声浪

语音小管家

转载9 months ago

Qwen3-TTS是由Qwen开发的一系列功能强大的语音生成，全面支持音色克隆、音色创造、超高质量拟人化语音生成，以及基于自然语言描述的语音控制，为开发者与用户提供最全面的语音生成功能。 依托创新的Qwen3-TTS-Tokenizer-1…

语音小管家

转载9 months ago

近日，IEEE 国际声学、语音与信号处理会议（ICASSP 2026）公布了论文录用结果。本期分享小米中稿的7篇论文。 1、ACAVCAPS: ENABLING LARGE-SCALE

语音小管家

转载9 months ago

在AI语音合成领域，能精准听懂自然语言指令、实现细粒度控制的开源工具一直是行业痛点。近期，西工大音频语音与语言处理研究组（ASLP@NPU）与语图智能技术公司（Yutu Zhineng）、上海灵光乍现技术团队（Shanghai Linggu…

语音小管家

转载9 months ago

近日，由复旦邱锡鹏担任首席科学家的模思智能发布了多说话人自动语音识别（ASR）模型 MOSS-Transcribe-Diarize，不但可以语音转文字，还可以将音频片段与对话中不同的说话者关联起来，性能超过了 GPT-4o、Gemini、豆…

语音小管家

转载9 months ago

标题：Unifying Speech Recognition, Synthesis And Conversion With Autoregressive Transformers 链接地址：https://arxiv.org/pdf/260…

语音小管家

转载9 months ago

标题：FlashLabs Chroma 1.0: A Real-Time End-to-End Spoken Dialogue Model with Personalized Voice Cloning 链接：https://arxiv.o…

语音小管家

转载9 months ago

来源丨新智元 最新综述首次系统探讨LLM控制机器人的安全威胁、防御机制与未来挑战，指出LLM的具身鸿沟导致其在物理空间可能执行危险动作，而现有防御体系存在逻辑与物理脱节等问题。 具身智能正在经历从实验室走向真实世界的范式转移。 大语言模型（…