声浪

语音小管家

转载9 months ago

论文题目：Pronunciation-Lexicon Free Training for Phoneme-based Crosslingual ASR via Joint Stochastic Approximation 作者：赛尔达尔·玉…

语音小管家

转载9 months ago

标题：TagSpeech: End-to-End Multi-Speaker ASR and Diarization with Fine-Grained Temporal Grounding 链接：https://arxiv.org/pdf…

语音小管家

转载9 months ago

来源丨机器之心 以人工智能技术闻名的 OpenAI，终于也要搞硬件了，而且一上来就是和苹果正面对标。 最近，有关 OpenAI 硬件的消息越来越多。 今天一早，数码博主 @智慧皮卡丘透露了关于 OpenAI「To-go」硬件项目的最新细节。…

语音小管家

转载9 months ago

今天要分享的项目绝对是视频创作者和出海玩家的“年度福音”！ 如果你做过视频本地化，你一定知道这个流程有多痛苦： 你要先分离音轨，再用 ASR 识别字幕，然后翻译，最后用 TTS 配音。 中间还会用到一些 API 高质量的服务，结果下来是不仅…

语音小管家

转载9 months ago

无论是语音产品的用户，比如经常使用语音输入法、语音转文字或语音聊天功能，还是开发者，都会面临一个问题：各家语音识别 API 都声称自己的识别准确率达到了 98% 以上，可为什么实际用起来感觉识别错误还是很多？“做了这么久，老板的名字都识别不…

语音小管家

转载9 months ago

前几天写了一篇关于语音交互的文章（交互革命：AI 硬件别再死磕“语音”了），大家有不少讨论，于是我特意找了一些聚焦语音交互的 AI 公司和产品，想和大家一起看看，现在做语音交互的公司们都在做什么。 大厂：卷场景，争入口 1. OpenAI：…

语音小管家

转载9 months ago

来源丨SmellLikeAISpirit 人机交互（HMI）正在经历一场根本性的架构变革，从依赖云端的僵化命令结构，转向流暢、具备情境感知和空间智能的对话模式。 音频前端（AFE）技术，特别是从传统以硬件为中心的波束成形向软件定义的空间听觉…