声浪

语音小管家

转载6 months ago

语音增强（Speech Enhancement, SE）旨在提升降质语音的质量，其中流匹配（Flow Matching）等生成模型因其卓越的感知质量而备受关注。然而，基于流的模型需要多次函数评估（Number of Function Eva…

语音小管家

转载6 months ago

来源：龙猫LongCat 音频生成技术正在经历一场全新的范式迁移——从传统级联架构，逐步向端到端生成范式演进。长期以来，主流的做法是“曲线救国”：合成系统先将音频压缩成梅尔频谱图等中间表征，再依赖神经声码器“翻译”回波形。每一次转换都带来信…

语音小管家

转载6 months ago

来源丨千问大模型 今天，阿里发布图像生成与编辑统一模型 Wan2.7-Image 正式发布。 针对当前AI生图中的审美疲劳、色彩失控等痛点，Wan2.7-Image带来了更具“活人感”的人物生成、精准的色彩控制以及超长文本渲染能力。 体验…

语音小管家

转载6 months ago

来源丨AIGC Studio 近日，美团开源了一款名为 LongCat-Next 的原生全模态模型，该模型能够接受文本、语音、图像的输入，并生成相应的文本、语音、图像输出。 LongCat-Next不仅简化了多模态建模的复杂性，还在图像理解…

语音小管家

转载6 months ago

语音理解与生成的飞速发展离不开大规模高质量语音数据集的推动。其中，语音识别（ASR）和语音合成（TTS）被公认为最首要的任务。但对于拥有约 1.2亿 母语使用者的川渝方言而言，受限于标注资源匮乏，研究进展缓慢，ASR 与 TTS 的表现始终…

语音小管家

原创6 months ago

近日，中国计算机学会（CCF）正式发布了第七版《中国计算机学会推荐国际学术会议和期刊目录》(https://www.ccf.org.cn/Academic_Evaluation/By_category/)。 值得关注的是，全国人机语音通讯学…

语音小管家

转载6 months ago

零样本语音转换（Zero-shot VC）旨在保留语音语言内容的同时，将源说话人音色迁移至任意未见过的目标说话人。日益丰富的应用场景对模型的流式推理能力提出迫切需求，亟需兼具快速、轻量与高保真特性的解决方案。然而现有流式方法依赖自回归（AR…