声浪

每日语音速递

原创3 years ago

今日论文合集：cs.SD语音7篇，eess.AS音频处理8篇。 cs.SD语音 【1】AudioGPT: Understanding and Generating Speech, Music, Sound, and Talking Head…

每日语音速递

原创3 years ago

今日论文合集：cs.SD语音15篇，eess.AS音频处理16篇。 cs.SD语音 【1】Pre-Training Strategies Using Contrastive Learning and Playlist Information…

语音小管家

转载3 years ago

文章来源于DataLearner，作者DataLearner AI模型的发展速度令人惊讶，几乎每天都会有新的模型发布。而2023年4月中旬也有很多新的模型发布，我们挑出几个重点给大家介绍一下。 Dolly-v2 MiniGPT-4 LLaV…

每日语音速递

原创3 years ago

今日论文合集：cs.SD语音10篇，eess.AS音频处理10篇。 cs.SD语音 【1】A vector quantized masked autoencoder for speech emotion recognition标题：一种用于…

21dB声学人

原创3 years ago

一款名为EchoSpeech的低功耗可穿戴设备只需要几分钟的用户训练数据，就可以识别命令，并在智能手机上运行。 来源丨21dB声学人 信息科学博士生Ruidong Zhang是“EchoSpeech: Continuous Silent S…

语音小管家

转载3 years ago

近年来，大规模预训练模型（以下简称“大模型”）作为人工智能取得突破性进展的重要驱动力之一，显著加速人工智能工程化和普惠化发展进程，有望成为新一代智能技术底座。中国信息通信研究院（以下简称“中国信通院”）于2017年10月获批建设人工智能关键…

语音小管家

转载3 years ago

文章来源于子鱼说声学，作者郭智涵 想象一下，当我们走在路上时，听到了头顶的鸟儿在树梢间的叫声，即使无法透过浓密的树叶看见它，也可以大致知道鸟儿的距离。此时身后传来由远到近自行车铃铛声，我们并不需要回过头去看，便为它让开了道路。这些现象都说明…

语音小管家

转载3 years ago

链接地址：https://github.com/suno-ai/bark

新一代Kaldi

原创3 years ago

每当我解雇一个语言学家，语音识别的性能就会提升。 开始之前，咱们先来回顾一下语音识别常用的建模单元都有哪些，Kaldi 时代，或者说前端到端时代，一般使用 phone 来建模，mono-phone，bi-phone，tri-phone 各种…

语音小管家

转载3 years ago

AIGC的各大门派是谁？典型技术都有什么？ AIGC为什么在绘画领域先破圈？ChatGPT的有哪些局限性？ 为何科技企业争相推出大模型？ 人类的创新能力会被AIGC取代吗…… 诸如此类的这些话题呈现爆发性增长，频频被科技圈热议。 与此同时，…