声浪

语音小管家

转载a year ago

大规模训练语料库极大地提高了语音识别（ASR）模型的性能。然而由于数据相对匮乏，口音和方言仍然是大多数ASR模型面临的挑战。自监督学习的最新进展表明，其与大型语言模型（LLM）相结合，可以有效提高低资源场景下的 ASR 性能。 近期，西工大…

语音小管家

转载a year ago

在真实对话里，插话、停顿、甚至讲话重叠都很常见。如果语音 AI 的回应太早、太晚、或者干脆没有回应，整个用户体验就会变得很“出戏”。对话中的“怎么说”往往比“说了什么”更重要。一段停顿可能代表犹豫、礼貌、自信等不同含义。为了让语音 AI 真…

语音小管家

转载a year ago

在 AI 语音模型领域，不论开源还是闭源模型，能在全球排上前十的屈指可数，而 FishAudio 团队语音模型就在其列，每每有新模型上线，总能排进TTS-Arena TOP3之内。 近期，Fish Audio 推出了新一代的 TTS 语音模…

语音小管家

转载a year ago

语音驱动的三维人脸动画旨在根据输入语音生成同步的面部运动，这项技术近年来受到了广泛关注。然而，现有方法普遍忽略了说话者的个性化风格，例如独特的面部表情和头部姿态，导致生成的人脸动画缺乏真实感和个性表达。部分工作尝试通过微调模型来建模不同人物…

语音小管家

原创a year ago

FlowDirector团队投稿 量子位 | 来源 AI的视频编辑方法总是存在一些问题：例如视频运动不连贯、编辑后的视频产生意外变化等……经过分析，这些问题的产生最终大都指向同一原因——反演-编辑范式。 因此，西湖大学AGILab提出了一种…

语音小管家

原创a year ago

随着汽车成为人们日常生活中不可或缺的一部分，而驾驶舱中传统的触摸交互方式容易分散驾驶员的注意力，存在安全风险，因此，车内基于语音的交互方式得到重视。与通常家庭或会议场景中的语音识别系统不同，驾驶场景中的系统面临更加独特的挑战，缺乏大规模的公…