声浪

语音小管家

转载a year ago

语音识别（ASR）作为可以准确高效转录语音的技术，在当今社会中扮演着越来越重要的角色。当前语音识别已经取得了长足进步，但是当遇到不利语音条件时，识别错误率急剧升高。口音是说话人受到教育背景、地域或母语影响而偏离标准发音规范的情况，在现实世界…

语音小管家

转载a year ago

Step‑Audio 2是由StepFun团队开发的多模态大语言模型，可直接从原始音频输入理解语义与副语言信息，并生成连贯的文本与音频响应。 模型通过隐向量音频编码器、强化学习（RL）与检索增强生成（RAG）机制，引入工具调用（如 Web…

语音小管家

转载a year ago

近日，声网在2025世界人工智能大会发布新版对话式 AI 引擎，该版本新增声纹识别、数字人与视觉理解三项功能，实现对话式 AI 音视频交互体验的全新升级。同时，口袋 AI 毛绒宠物—芙崽 Fuzozo、家庭陪伴机器人—赋之 EBO Air…

昵称2519808145

原创a year ago

```mermaid graphTB A([开始])-->|输入|B[音节] B-->|析取音节的音调|C1[节调] B-->|析取音节的音质|C2[节质] C1-->|切分与声母联结的调段|D1[首调] C1-->|切分与声母联结的调段|…

语音小管家

转载a year ago

近期，夸克技术团队和浙江大学联合开源了OmniAvatar，这是一个创新的音频驱动全身视频生成模型，只需要输入一张图片和一段音频，OmniAvatar即可生成相应视频，且显著提升了画面中人物的唇形同步细节和全身动作的流畅性。此外，还可通过提…

语音小管家

原创a year ago

由中国计算机学会主办、CCF语音对话与听觉专委会承办、语音之家协办、华为终端有限公司独家合作的CCF先进音频技术竞赛已正式启动，大赛旨在推动国内高等院校及科研院所在音频技术领域的专业人才培养，支持学生科技创新，选拔优秀人才。 现因赛事安排调…