给语言大模型加上综合视听能力，达摩院开源Video-LLaMA
视频在当今社交媒体和互联网文化中扮演着愈发重要的角色，抖音，快手，B 站等已经成为数以亿计用户的热门平台。用户围绕视频分享自己的生活点滴、创意作品、有趣瞬间等内容，与他人互动和交流。 来源丨机器之心 近期，大语言模型展现出了令人瞩目的能力。…
103 0 0
声浪
![语音/音频处理学术速递[6.14]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2023-06-15/1669228028959526912.jpg)
语音/音频处理学术速递[6.14]
今日论文合集：cs.SD语音12篇，eess.AS音频处理15篇。 cs.SD语音 【1】GEmo-CLAP: Gender-Attribute-Enhanced Contrastive Language-Audio Pretraining…
168 0 0
![语音/音频处理学术速递[6.13]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2023-06-14/1668871219027513344.jpg)
语音/音频处理学术速递[6.13]
今日论文合集：cs.SD语音16篇，eess.AS音频处理17篇。 cs.SD语音 【1】 Video-to-Music Recommendation using Temporal Alignment of Segments标题：使用片段的…
110 0 0
INTERSPEECH 2023论文｜用于大规模说话人验证的动态全连接层
论文题目： Dynamic Fully-Connected Layer for Large-Scale Speaker Verification 作者列表： 宋志达，何亮，赵保卫，许敏强，郑渝 研究背景 在基于x-vector结构的说话人验…
120 0 0
微软 AI 华人先驱黄学东正式宣布离职，将加入 Zoom 担任 CTO
微软华人 AI 版图上一块不可或缺的拼图，现在也离开了。 雷峰网独家获悉，微软 AI 华人先驱黄学东在社交媒体正式宣布从微软离职，将加入 Zoom 担任 CTO。 上世纪六十年代出生的黄学东是与变化共生、在变化中成长的一代人。 1962年，…
85 0 0
ICASSP 2023丨基于 CTC 的模型改进，实现更强的模型结构
分享一篇网易智企易盾 AI Lab 团队在ICASSP 2023被收录的语音识别方向的论文《Improving CTC-based ASR Models with Gated Interplayer Collaboration（基于 CTC…
143 0 0
没有AI歌手一键包，纯纯的算法项目
项目地址： https://github.com/PlayVoice/so-vits-svc-5.0 本项目的目标群体是：深度学习初学者，具备Pyhon和PyTorch的基本操作是使用本项目的前置条件； 本项目旨在帮助深度学习初学者，摆脱枯…
410 0 0
阿里云“通义听悟”新品上线！通义家族首个消费者端应用产品
6月1日，阿里云宣布通义家族系列产品新进展，聚焦音视频内容记录和理解分析的AI助手“通义听悟”正式上线，并面向公众开放公测。通义听悟内置了通义千问大模型的理解与摘要能力，结合阿里云在音频AI领域深厚的积累，可帮助用户高效地完成对音频视频内容…
61 0 0
![语音/音频处理学术速递[6.12]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2023-06-13/1668453730883866624.jpg)
语音/音频处理学术速递[6.12]
今日论文合集：cs.SD语音12篇，eess.AS音频处理15篇。 cs.SD语音 【1】 Developing Speech Processing Pipelines for Police Accountability标题：开发警察问责语…
147 0 0
![语音/音频处理学术速递[6.9]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2023-06-12/1668136966430003200.jpg)
语音/音频处理学术速递[6.9]
今日论文合集：cs.SD语音13篇，eess.AS音频处理11篇。 cs.SD语音 【1】 Trustworthy Sensor Fusion against Inaudible Command Attacks in Advanced Dr…
177 0 0