声浪

语音小管家

转载a year ago

来源丨中国电信人工智能研究院 同样的文字，在不同语境下，根据说话人的语速、语气、语调的差异，会表达完全不同的意思，代表不同的情绪、态度和意图。 这项应用的背后，是中国电信人工智能研究院（TeleAI）研究的一项新的技术路径——超语义语音学（…

语音小管家

转载a year ago

近日，中国矿业大学与快手科技联合研发的AudioGen-Omni模型，以面向音频-语音-歌曲三合一生成的统一多模态扩散Transformer架构，实现了高保真音频、语音与歌曲的生成，并达成与输入视频的深度时序同步。 论文链接：https:/…

语音小管家

转载a year ago

来源丨AIGC开放社区 今天凌晨1点30，OpenAI开源了大模型GPT-oss,一共有1200亿和200亿两种参数，支持Apache 2.0商业化。 开源地址： https://github.com/openai/GPT-oss http…

语音小管家

原创a year ago

论文题目：Multi-Input Multi-Output Target-Speaker Voice Activity Detection For Unified, Flexible, and Robust Audio-Visual Spe…

语音小管家

转载a year ago

来源丨AIGC开放社区 今天，阿里开源了最新文生图模型 Qwen-Image 。 Qwen-Image是一个200亿参数的MMDiT模型，可生成写实、动漫、赛博朋克、科幻、极简、复古、超现实、水墨等几十种类型的图片，支持图片的风格迁移、增删…

语音小管家

转载a year ago

来源丨小米技术 音频理解是构建全场景智能生态的关键领域，在智能座舱、家居交互等场景均有广泛应用。今天小米发布和全量开源了 MiDashengLM-7B 模型。MiDashengLM-7B 基于 Xiaomi Dasheng 作为音频编码器和…