声浪

原创3 years ago

今日论文合集：cs.SD语音5篇，eess.AS音频处理8篇。 cs.SD语音【1】 DiffV2S: Diffusion-based Video-to-Speech Synthesis with Vision-guided Speake…

139 0 0

原创3 years ago

说话人日志（Speaker Diarization, SD）任务的目标是检测不同说话人的语音活动时间段，即回答“谁在什么时间说话了”这一问题。传统的说话人日志系统，往往基于聚类算法实现，一般包括成如下步骤：（1）使用语音端点检测将原始音频…

81 0 0

原创3 years ago

今日论文合集：cs.SD语音18篇，eess.AS音频处理19篇。 cs.SD语音【1】 DiffSED: Sound Event Detection with Denoising Diffusion标题：DiffSED

243 0 0

原创3 years ago

2023年6月6日的WWDC23大会，苹果官方推出了多年筹划的MR产品：Apple Vision Pro，并将于2024上半年在美国上市，随后扩展到更多市场。首先介绍三个类似但截然不同的技术，他们分别是VR、AR以及MR。虚拟现实（Virt…

75 1 0

原创3 years ago

今日论文合集：cs.SD语音5篇，eess.AS音频处理4篇。 cs.SD语音【1】 Improving Joint Speech-Text Representations Without Alignment标题：改进无

70 0 0

原创3 years ago

7月初，FunASR社区发布了离线文件转写软件包，可以高精度、高效率、高并发的支持长音频离线文件转写，吸引了众开发者参与体验。应开发者需求，FunASR社区再次推出实时语音听写服务软件包，支持实时地进行语音转文字，同时也支持语音句尾用高精度…

260 0 0

原创3 years ago

今日论文合集：cs.SD语音7篇，eess.AS音频处理7篇。 cs.SD语音【1】 AudioLDM 2: Learning Holistic Audio Generation with Self-supervised Pretrain…

128 0 0

转载3 years ago

一、介绍大规模语言模型（LLM）在自然语言处理的通用领域已取得了令人瞩目的成功。对于广泛的应用场景，这种技术展示了强大的潜力，学术界和工业界的兴趣也持续升温。哈工大自然语言处理研究所30余位老师和学生参与开发了通用对话大模型活字1.0，哈…

79 0 0

原创3 years ago

今日论文合集：cs.SD语音11篇，eess.AS音频处理11篇。 cs.SD语音【1】 Transferable Models for Bioacoustics with Human Language Supervision标题

97 0 0

原创3 years ago

今日论文合集：cs.SD语音11篇，eess.AS音频处理13篇。 cs.SD语音【1】 Towards an AI to Win Ghana's National Science and Maths Quiz标题：走向

96 0 0