Krillin AI：集音视频翻译、配音、语音克隆于一体! 一站式视频多语言转换工具
Krillin AI 是一款全能型音视频本地化与增强解决方案。这款简约而强大的工具，集音视频翻译、配音、语音克隆于一身，支持横竖屏格式输出，确保在所有主流平台（哔哩哔哩，小红书，抖音，视频号，快手，YouTube，TikTok等）都能完美呈…
13 0 0
声浪
![语音/音频处理学术速递[4.10]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2025-04-15/1912049896521863168.jpg)
最新开源模型DeepCoder，媲美OpenAI-o3，训练方法、数据集大公开
来源丨AIGC开放 社今日，AI界突现开源重磅——Together AI与Agentica全面开源DeepCoder-14B-Preview，不仅开放模型权重，更罕见公开了完整训练数据、方法及优化细节。 开源地址：https://huggi…
11 0 0
IEEE TASLP | MUSA: 基于串行解耦的多语种说话人匿名
说话人匿名（Speaker Anonymization）旨在隐藏说话人的身份，同时保留原始语音的自然性和独特性。说话人匿名作为一种有效的隐私保护解决方案，当前的主流匿名方案基于并行解耦的策略，使用预训练的语音识别（ASR）模型来解耦与说话人…
14 0 0
![语音/音频处理学术速递[4.9]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2025-04-15/1912049774253707264.jpg)
英伟达开源15T数据集：32万个机器人训练轨迹
全球AI领导者英伟达正式开源了15TB的NVIDIA Physical AI Dataset超大规模训练数据集，包含超过32万条机器人训练轨迹、1000多个通用场景描述以及SimReady预训练集合。 该数据集专为实体机器人和自动驾驶研发设…
10 0 0
港大&华为诺亚提出扩散语言模型:Dream-7B，性能媲美DeepSeek-V3-671B
语言是离散的，所以适合用自回归模型来生成；而图像是连续的，所以适合用扩散模型来生成。在生成模型发展早期，这种刻板印象广泛存在于很多研究者的脑海中。 👆扩散语言模型展示👆 但最近，这种印象正被打破。更多的研究者开始探索在图像生成中引入自回…
12 0 0
Llama 4爆料大反转，没在测试集上训练！华人员工实名辟谣，LeCun出面救火
来源丨新智元 近日，关于Meta Llama 4的「训练作弊」爆料搞得沸沸扬扬。Meta迅速反击，Licheng Yu、Di Jin及GenAI负责人Ahmad Al-Dahle接连辟谣，首席AI科学家Yann LeCun也亲自下场力挺。与…
13 0 0
![语音/音频处理学术速递[4.8]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2025-04-09/1909807853028380672.jpg)
轻松将 Azure TTS 语音合成服务导入阅读软件tts-importer
轻松将 Azure TTS 语音合成服务导入阅读软件。现支持阅读（legado）、爱阅记、服务器端阅读(hectorqin/reader)、爱阅书香、源阅读、源阅。 ！ Note 已更新 2.0 版本，界面焕新。 同时，本人其他的听书相关项…
13 0 0