![语音/音频处理学术速递[4.16]](https://api.speechhome.com/Resources/Thumb/2025-04-17/1912778582053228544.jpg)
声浪
合成数据助力视频生成提速8.5倍，上海AI Lab开源AccVideo
虽然扩散模型在视频生成领域展现出了卓越的性能，但是视频扩散模型通常需要大量的推理步骤对高斯噪声进行去噪才能生成一个视频。这个过程既耗时又耗计算资源。例如，HunyuanVideo [1] 需要3234 秒才能在单张 A100 上生成 5 秒…
12 0 0
比亚迪公开一项降噪裙板专利，提升裙板对宽频噪音的隔音降噪效果
比亚迪上周公开了一项名为"一种降噪裙板的制造方法、降噪裙板及车辆"的专利（CN119749612A），旨在提升裙板对宽频噪音的隔音降噪效果。 比亚迪在专利文件中指出，车辆（尤其是轨道车辆）运行时因车轮摩擦、撞击等情况产生较大的噪音，给附近居…
15 0 0
![语音/音频处理学术速递[4.15]](https://api.speechhome.com/Resources/Thumb/2025-04-17/1912778353744678912.jpg)
A Comprehensive Survey of Spoken Language Models
语音大语言模型（Spoken Language Model, SLM）正在引领人工智能领域的新一轮革新浪潮。正如文本自然语言处理从任务特定模型迈向通用大语言模型的演进，语音领域也正在经历类似转型。 为填补该领域系统性综述的空白，芝加哥大学、…
14 0 0
自然人声合成 Orpheus-TTS
Orpheus TTS 是基于 Llama-3b 骨干网络的 SOTA 开源文本到语音系统。Orpheus 展示了使用 LLMs 进行语音合成的涌现能力。 项目链接：https://github.com/canopyai/Orpheus-T…
17 0 0
![语音/音频处理学术速递[4.14]](https://api.speechhome.com/Resources/Thumb/2025-04-15/1912050733696552960.jpg)
200B参数击败满血DeepSeek-R1，字节豆包推理模型Seed-Thinking-v1.5要来了
字节跳动豆包团队今天发布了自家新推理模型Seed-Thinking-v1.5的技术报告。从报告中可以看到，这是一个拥有 200B 总参数的 MoE 模型，每次工作时会激活其中 20B 参数。其表现非常惊艳，在各个领域的基准上都超过了拥有 6…
14 0 0
开源语音合成平台VoiceCanvas：支持超过 50+ 种语言语音服务！
VoiceCanvas 是一个先进的多语言语音合成平台，使用最新的 AI 技术提供高质量的文字转语音服务和语音克隆服务。 🌟 主要特点 多语言支持 支持超过 50+ 种语言 语音功能 多种语音服务集成： OpenAI TTS（高质量自然语…
15 0 0
![语音/音频处理学术速递[4.11]](https://api.speechhome.com/Resources/Thumb/2025-04-15/1912050513688530944.jpg)