声学模型和语言模型融合的N种方式
语音识别算法目的是从声学特征x中找到最有可能生成的词序列y，即 完整的语音识别算法包括特征提取、声学模型、语言模型和解码，其中语言模型（Langulage Model, LM）负责计算词序列W={w1,…,wn} 的概率估计P(W)。并且语…
20 0 0
声浪
![语音/音频处理学术速递[11.14]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2024-11-15/1857272540007895040.jpg)
阿里开源Qwen2.5-Coder，最强开源代码模型来了
来源丨AIGC开放社区 根据阿里公布的测试数据显示，32B指令微调模型在 EvalPlus、LiveCodeBench、Spide和Bird-SQL的测试中，成为开源模型中性能排名第一，超过GPT-4o、Claude 3.5 Sonnet两…
24 0 0
![语音/音频处理学术速递[11.13]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2024-11-14/1856889433807261696.jpg)
诺奖AI成果开源了！ AlphaFold3代码人人可以免费下，Nature亲自撰文推荐
来源丨量子位 刚刚，谷歌开源了自己的诺奖模型AlphaFold3！至此来自生物医药、生命科学等各个领域的科学家们都可以免费下载模型代码，自行运行模型开展工作。 此举直接获得了Nature亲自撰文推荐。 GitHub链接：https://gi…
15 0 0
上交大与上海人工智能研究所联合推出医学多语言模型，模型数据代码开源
来源丨DrugAI、机器人的脑电波 今天为大家介绍的是来自上海交通大学的王延峰与谢伟迪团队的一篇论文。开源的多语言医学语言模型的发展可以惠及来自不同地区、语言多样化的广泛受众。 论文：https://www.nature.com/artic…
12 0 0
![语音/音频处理学术速递[11.12]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2024-11-14/1856889247219453952.jpg)
PersonaTalk：无需训练即可创建数字人，视频口型编辑超SOTA
字节发布的PersonaTalk模型，可精准给视频进行AI配音的。该方案能不受原视频质量的影响，保障生成视频质量的同时兼顾 zero-shot 技术的便捷和稳定，可以通过非常便捷高效的方式用语音修改视频中人物的口型，完成高质量视频编辑，快速…
14 0 0
![语音/音频处理学术速递[11.11]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2024-11-14/1856886614534524928.jpg)
语音增强的跨域优化：并行还是级联？
为促进最新研究成果的传播与交流，CCF语音对话与听觉专委在专委会微信公众号启动论文导读栏目，定期分享最新语音、对话与听觉相关研究方向论文。本期分享一篇被NeurIPS2024接收的关于零样本对话语音生成方面的文章。 论文标题：Cross D…
15 0 0