声浪

语音小管家

转载2 years ago

来源丨机器之心 LLaMA-Omni能够接收语音指令，同步生成文本和语音响应，响应延迟低至 226ms，低于 GPT-4o 的平均音频响应延迟 320ms。 论文标题：LLaMA-Omni: Seamless Speech Interact…

西工大音频语音与语言处理研究组

原创2 years ago

论文：U-Style: Cascading U-nets with Multi-level Speaker and Style Modeling for Zero-Shot Voice Cloning 作者：李涛，王智超，朱新发，从坚，田乔…

每日语音速递

原创2 years ago

今日论文合集：cs.SD语音19篇，eess.AS音频处理19篇。 本文经arXiv每日学术速递授权转载 cs.SD语音

语音小管家

原创2 years ago

今天，据《华尔街日报》、CNBC等多家美媒报道，高通已就收购事宜接洽英特尔。这将是近年来规模最大、影响最深远的交易之一。 此前外媒传出高通拟收购英特尔PC业务，但收购整家公司，对于半导体领域来说，倒回几年绝对是耸人听闻的离谱事件。 高通目前…

语音小管家

转载2 years ago

近年来，多模态模型（Multimodal Models）在深度学习领域取得了显著进展。这类模型能够同时处理和整合来自不同模态（如文本、图像、音频、视频等）的数据，提供更为全面的理解和应用能力。CLIP、Grounding DINO、SAM等…

每日语音速递

原创2 years ago

今日论文合集：cs.SD语音25篇，eess.AS音频处理25篇。 本文经arXiv每日学术速递授权转载 cs.SD语音

语音小管家

转载2 years ago

分享上交大听觉认知与计算声学实验室6篇被SLT 2024收录的论文，论文方向涵盖目标语音提取，声音异常检测，多语种语音识别和语音增强等。 1、DISCRIMINATIVE DIFFUSION MODEL FOR TARGET SPEECH…

语音小管家

转载2 years ago

今天凌晨，阿里官宣了史上最大规模的开源发布，推出了基础模型Qwen2.5、专用于编码Qwen2.5-Coder和数学的Qwen2.5-Math。 开源地址：https://huggingface.co/collections/Qwen/qw…

每日语音速递

原创2 years ago

今日论文合集：cs.SD语音25篇，eess.AS音频处理27篇。 本文经arXiv每日学术速递授权转载 cs.SD语音

语音小管家

转载2 years ago

字节正式发布Seed-Music音乐生成大模型，整个AI音乐框架非常全面且创新，涵盖了从音频编辑、旋律生成到完整歌曲制作的全流程。 项目主页：https://team.doubao.com/seed-music 论文链接：https://l…