声浪

语音小管家

转载2 years ago

CLaMP 3，作为一款多模态、多语言的音乐信息检索框架，为音乐爱好者、创作者、教育者以及研究者们带来了全新的体验与可能。本文将深入剖析CLaMP 3的技术原理、核心功能、应用场景，带你全面了解这一创新框架。 项目官网：https://sa…

语音小管家

原创2 years ago

来源丨机器之心 DeepSeek-R1 非常热门，而在其公布的训练配方中，GRPO（Group Relative Policy Optimization）非常关键，是 DeepSeek-R1 核心的强化学习算法。 PPO 与 GRPO 的对…

语音小管家

转载2 years ago

大型语言模型（LLMs）在各种下游任务中取得了显著进展，启发了业界对语音理解语言模型（speech understanding language models, SULMs）的研发，以期实现基于语音情感、性别等副语言的高表现力交互。然而，大…

语音小管家

原创2 years ago

DeepSeek 旋风席卷全球，其独有的深度思考+联网模式让用户纷纷惊叹好用，如果你想脱离与 AI 的文字互动，与 DeepSeek 进行更具真实感的语音对话，声网的对话式 AI 引擎仅15分钟内就能做到。 近日，声网对话式 AI 引擎 B…

语音小管家

转载2 years ago

来源丨机器之心 今天凌晨2点，OpenAI开源了一个全新评估大模型代码能力的测试基准——SWE-Lancer。 开源地址：https://github.com/openai/SWELancer

语音小管家

原创2 years ago

最近，西工大音频语音与语言处理研究组（ASLP@NPU）与南洋理工大学（NTU）合作的论文 “GenSE: Generative Speech Enhancement via Language Models using Hierarchic…

语音小管家

原创2 years ago

最新发布的产品级开源语音交互模型Step-Audio，可以根据不同的场景需求生成情绪、方言、语种、歌声和个性化风格的表达，可与用户自然地进行高质量对话。模型生成的语音具有自然流畅、情商高等特征，同时也能支持不同角色的音色克隆。 GitHub…