声浪

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…

语音小管家

转载a year ago

文本转语音（TTS）工具的需求现在是越来越多，尤其是在生成高质量有声书、配音和同步字幕的场景中。传统TTS工具要么依赖云端API，存在隐私风险，要么生成速度慢、语音不自然。 Abogen是最近刚开源的一款新型 TTS 工具，通过Kokoro…

语音小管家

转载a year ago

通义千问Qwen团队宣布本周进入“Flash week”，第一弹推出了更新版本的Qwen3-30B-A3B 非思考和思考模式，命名为Qwen3-30B-A3B-Instruct-2507 和 Qwen3-30B-A3B-Thinking-2…

语音小管家

转载a year ago

在混响环境中进行说话人定位和自动跟踪是一项具有挑战性但又在众多基于音频的应用中常常需要完成的任务，例如免提手机、语音识别以及电话会议等。前面介绍的使用TDOA进行声源定位方法，在强混响或多路径环境中，互相关函数会出现多个峰值，TDOA 法可…

语音小管家

转载a year ago

来源丨机器之心 当前的文本到语音（TTS）模型在单句或孤立段落的语音生成效果上取得了令人瞩目的进展，合成语音的自然度、清晰度和表现力都已显著提升，甚至接近真人水平。不过，由于缺乏整体的对话情境，这些 TTS 模型仍然无法合成高质量的对话语音…

语音小管家

原创a year ago

论文标题：DeSTA2.5-Audio: Toward General-Purpose Large Audio Language Model with Self-Generated Cross-Modal Alignment Arxiv：h…