声浪

语音小管家

转载2 years ago

近期语言模型(LM)在自然语言处理和计算机视觉领域蓬勃发展，可以生成高质量的文本或图像。相比之下，当前的语音生成模型仍然在语音质量和任务多样性之间挣扎。本文提出了Vec-Tok Speech，一个适用于众多下游任务的的可扩展框架，生成富于表…

语音小管家

转载2 years ago

近年来，大模型（LLMs）如 GPT 系列、Claude 等展现出的惊人多语言能力，常常让人惊叹。它们不仅能理解和生成多种语言的文本，甚至能在不同语言之间无缝切换，完成翻译、问答、写作等复杂任务。这不禁引人发问：这种强大的多语言能力究竟从何…

语音小管家

转载2 years ago

来源丨AI音频时代 洛杉矶AI音效初创公司Noctal完成180万美元种子轮融资，由Caruso Ventures领投，多位跨界投资人跟投。融资将用于加速研发全球首款"AI音效导演系统"， 计划2025年正式推向影视制作与内容创作市场。 N…

语音小管家

转载2 years ago

分享3篇西工大语音与语言处理研究组被语音研究顶级期刊IEEE Transactions on Audio, Speech and Language Processing (TASLP)录用的论文，相关研究成果包括基于语音向量和语义标记的多任…

语音小管家

原创2 years ago

近期，昆山杜克大学在语音旗舰期刊IEEE/ACM Transactions on Audio, Speech and Language Processing (TASLP) 上发表了一篇题为“Online Neural Speaker Di…

语音小管家

转载2 years ago

许多智能设备现在支持超宽带的高质量语音通信服务。然而，有时为了节省带宽或者当它们与不支持超宽带的网络或设备配合使用时，语音质量往往会受到失真影响。此时，可以使用音频带宽扩展（Audio Bandwidth Extension, ABE）来改…

语音小管家

转载2 years ago

来源丨机器之心 3 月 27 日凌晨，阿里通义千问团队发布 Qwen2.5-Omni。 这是 Qwen 系列中全新的旗舰级多模态大模型，专为全面的多模式感知设计，可以无缝处理包括文本、图像、音频和视频的各种输入，同时支持流式的文本生成和自然…

语音小管家

转载2 years ago

来源丨AI音频时代 2024年Sora的发布开启了AIGC新时代。 AIGC技术在文字、图像、视频、音频等领域实现跨越式发展。其中，TTS技术从少数巨头垄断走向百花齐放，底层技术和应用场景均取得重大突破。以下是整理的当下具有代表性的 10…