声浪

机器之心

原创3 years ago

从此以后，Google Scholar 数据该出问题了。 备受期待的谷歌 Gemini 技术报告完整版，今天终于出炉了。 两周前，人们兴奋于谷歌提出的「原生多模态大模型」Gemini，其宣称超越 GPT-4 的强大性能，以及对于图像、视频等…

THUHCSI人机语音交互实验室

原创3 years ago

文章来源于THUHCSI人机语音交互实验室，作者HCSIers 分享3篇清华大学人机语音交互实验室（THUHCSI） 在AAAI 2024上被录用的论文，本次被录用的3篇论文涉及基于大语言模型（LLM）的语音情感描述生成、基于强化学习（RL…

每日语音速递

原创3 years ago

今日论文合集：cs.SD语音6篇，eess.AS音频处理6篇。 cs.SD语音 【1】Underwater Acoustic Signal Recognition Based on Salient Features 标题：

机器之心

原创3 years ago

香港中文大学（深圳）数据科学学院武执政副教授团队联合上海人工智能实验室 OpenMMLab 团队开源了综合音频生成项目 Amphion（安菲翁）。该系统旨在打造一个集语音合成转换、歌声合成转换、音效音乐生成等多功能为一体的开源平台。截至目前…

西工大音频语音与语言处理研究组

原创3 years ago

语境偏置（Contextual biasing）旨在将语境知识集成到语音识别（ASR）系统中，以提高在相关领域词汇（俗称“热词”）上的识别准确率。诸多ASR实际应用场景很可能会包含训练数据中数量很少或完全没出现的词语，这些词语大多是领域相关…

每日语音速递

原创3 years ago

今日论文合集：cs.SD语音9篇，eess.AS音频处理11篇。 cs.SD语音 【1】SpokesBiz -- an Open Corpus of Conversational Polish

语音小管家

转载3 years ago

文章来源于Python兴趣圈，作者方圆也有小天地 本文小编给大家推荐一款名为insanely-fast-whisper的音频转录工具，近期在 Github 上超级火🔥🔥🔥。 insanely-fast-whisper是一款功能强大的音…

每日语音速递

原创3 years ago

今日论文合集：cs.SD语音23篇，eess.AS音频处理24篇。 cs.SD语音 【1】Evaluation of Barlow Twins and VICReg self-supervised learning for sound pa…

西工大音频语音与语言处理研究组

原创3 years ago

文章来源于音频语音与语言处理研究组，作者李玉珂、谢磊 跨语种语音合成中的零样本情感迁移（zero-shot emotion transfer）旨在将情感从源语言中的任意参考音频(reference)迁移到目标语言中的合成音频，该项技术在诸如…

21dB声学人

原创3 years ago

在当前基于深度神经网络模型的单通道和多通道语音增强算法研究中，通常着重于设计合理的网络拓扑结构以尽可能提升降噪算法的性能，往往忽略了对深度神经网络模型自身结构设计合理性与可解释性的探索。因此在大部分现有工作中，科研人员们在结构设计和参数确定…