声浪

语音小管家

转载a year ago

来源丨githubStore MGM-Omni 是一个能够处理文本、图像、视频和语音输入，并能生成文本和语音响应的全能聊天机器人。基于 MiniGemini 和 MiniGemini v2 (Lyra)，MiniGemini-Omni (M…

语音小管家

转载a year ago

近日，阶跃星辰正式发布开源端到端语音大模型Step-Audio 2 mini，该模型在多个国际基准测试集上取得 SOTA 成绩。 Step-Audio 2 mini将语音理解、音频推理与生成统一建模，在音频理解、语音识别、跨语种翻译、情感与…

语音小管家

转载a year ago

作者｜吴翰林 审校｜ 段旭峰 王书琪 文章结尾有大消息！ 传统的神经语言学方法通常将语言拆解为语音、词汇、句法、语义等独立的加工模块，并在高度控制的实验环境下分别进行研究。这种方法有助于我们理解语言认知的各个方面，但往往也因此缺少一个统一的…

语音小管家

原创a year ago

最近，南洋理工大学、西北工业大学、浙江大学联合在TASLP上发表了空间感知的多通道选择性主动噪声控制（Frequency-Direction Aware Multichannel Selective Fixed-Filter Active…

语音小管家

转载a year ago

共情（Empathetic）能力是实现自然人机语音交互的核心要素，其核心在于使机器能够感知并理解用户输入语音中的各类副语言信息（如年龄特征、性别相关语音特质、情绪状态及声音事件等），进而作出贴合用户状态的共情回应。近年来，端到端语音语言模型…

语音小管家

转载a year ago

来源丨美团技术团队 针对大模型知识推理能力与指令遵循能力存在表现差异的现象，为推进指令遵循能力的系统化研究与精准评估，美团 M17 团队推出全新评测基准 Meeseeks，并在魔搭社区、GitHub、Huggingface等开源平台上线。…

语音小管家

原创a year ago

ChatGPT、DeepSeek 等语言模型具备「深度推理」（Reasoning）能力，这类模型会在回答问题前先进行一段较长的推论过程，使回答的品质大幅提升。 不过，这种「先停下来思考再作答」的方式，虽然能产生更高品质的回应，却不太适用于需…

语音小管家

转载a year ago

来源丨AI音频时代 近日，Meta 公司最新推出的Reels短视频AI音频翻译功能有了创造性突破。同一时间Meta正式为Facebook和Instagram的Reels功能推出了AI语音翻译功能。 Meta AI翻译功能最大亮点在于，它采用…