声浪

原创4 years ago

今日论文合集：cs.SD语音2篇，eess.AS音频处理5篇。 cs.SD语音【1】 Physics-Driven Diffusion Models for Impact Sound Synthesis from Videos 标题：基于…

97 0 0

原创4 years ago

人类语音是极富表现力的，包括语调、重读、风格、情感的各种表达。表现力语音合成（Expressive Speech Synthesis）的目标就是准确的表达出语音中的各种表现力因素。之前的表现力语音合成通常将表现力定义为说话时的单一因素，即风…

236 0 0

原创4 years ago

本文介绍如何使用新一代 Kaldi 部署来自 NeMo 中的预训练 CTC 模型。简介 NeMo[1] 是 NVIDIA 开源的一款基于 PyTorch 的框架，为开发者提供构建先进的对话式 AI 模型，如自然语言处理、文本转语音和自动…

242 0 0

原创4 years ago

今日论文合集：cs.SD语音7篇，eess.AS音频处理9篇。 cs.SD语音【1】 A Universal Identity Backdoor Attack against Speaker Verification based on S…

94 0 0

转载4 years ago

论文题目： SPEECH TOPIC CLASSIFICATION BASED ON PRE-TRAINED AND GRAPH NETWORKS 作者列表：牛方静，曹腾飞，胡英，黄浩，何亮研究背景随着网络科技的不断进步，短视频的个性…

123 0 0

原创4 years ago

今日论文合集：cs.SD语音8篇，eess.AS音频处理8篇。 cs.SD语音【1】 Pitchclass2vec: Symbolic Music Structure Segmentation with Chord Embeddings标…

116 0 0

转载4 years ago

GPT-4加强版Copilot来了！刚刚，GitHub发布了新一代代码生成工具GitHub Copilot X，动嘴写代码不再是梦。上周，微软刚用GPT-4升级了Office办公全家桶，还没等人们反应过来，微软又来抄码农的家了。今天，Gi…

149 0 0

原创4 years ago

语音唤醒（Keyword Spotting，KWS）是较为初级的语音识别任务，在2014年陈果果的工作[1]后，学界兴起大量研究，业界也获普遍应用，如智能家居（音箱、TV）、智能穿戴（TWS耳机、手表）、智能座舱等。KWS参、算量远低于AS…

127 0 0

转载4 years ago

文章来源于美团技术团队，作者唐锐森彬子丰等当你和智能语音机器人对话交互时，你是否好奇电话背后的机器人如何“听懂”你的意思，又如何像人一样“回答”你的问题？其中比较重要的技术就是 MRCP。本文主要介绍了 MRCP 在美团语音交互中的实…

629 0 0

原创4 years ago

今日论文合集：cs.SD语音6篇，eess.AS音频处理7篇。 cs.SD语音【1】 MusicFace: Music-driven Expressive Singing Face Synthesis标题：MusicFace：音乐驱动的表…

148 0 0