声浪

语音小管家

原创a year 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 8490 万母语使用者的粤语而言，受限于标注资源匮乏，研究进展缓慢，ASR 与 TTS 的表现始终不…

语音小管家

转载a year ago

今天介绍下工程方法的内容，在移动设备和嵌入式系统中，高效的数字信号处理（DSP）算法至关重要。快速傅里叶变换（FFT）作为核心算法之一，其性能直接影响到音频处理、图像分析、通信等多个应用领域。本文将介绍一个在端侧计算十分高效基于NEON的F…

语音小管家

原创a year ago

最近，OpenAI 的 GPT Realtime 和 Google 的 Gemini 2.5 接连亮相，给语音助手带来了「真正的“实时对话”」体验 —— 你说一句，它就秒接；它正说，你也能随时打断，回应自然不尬聊。这才是真正像人一样“插话”…

语音小管家

转载a year ago

SoundAI公司近期发表在arXiv上的前沿研究《The Sound of Risk: A Multimodal Physics-Informed Acoustic Model for Forecasting Market Volatil…

语音小管家

原创a year ago

近几年，空间音频从“更高质量到音频”走向“可被理解与生成的三维声场”。它不只是把声音变“立体”，而是让系统理解声源的方位、距离、运动，并能按需生成。在AR/VR、影视、游戏与交互内容的牵引下，研究重心也从传统的信号级处理迈向多模态、可控生成…

语音小管家

转载a year ago

谷歌近期发布的Perch 2.0生物声学模型，通过识别海洋生物和鸟类的声音，展示了AI在特定声学领域的巨大潜力。然而，这仅仅是一个开始。与Perch 2.0的专一性不同，声智科技正在打造一个更为宏大且通用的“AI耳朵”，其声音事件和情感识别…