声浪

西工大音频语音与语言处理研究组

转载2 years ago

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。本期是INTERSPEECH 2024专题第四部分，共遴选了9篇论文，覆盖语音通讯、语者切换点检测、声…

每日语音速递

原创2 years ago

今日论文合集：cs.SD语音11篇，eess.AS音频处理15篇。 本文经arXiv每日学术速递授权转载 cs.SD语音

西工大音频语音与语言处理研究组

转载2 years ago

夕小瑶科技说 原创作者 | 谢年年 推理，作为人类的基本认知过程，对于学习、问题解决和科学发现起着至关重要的作用。常见的推理方式包括演绎推理和归纳推理。 演绎推理就是从一般性的前提推导出个别或特殊情况的结论，而归纳推理则用于从具体实例中提炼…

每日语音速递

原创2 years ago

今日论文合集：cs.SD语音7篇，eess.AS音频处理10篇。 本文经arXiv每日学术速递授权转载 cs.SD语音

21dB声学人

转载2 years ago

微软的 VALL-E 2 可以完美模仿人类声音，但道德问题推迟了其发布。 得益于微软在人工智能领域的进步，人类和机器声音之间的界限已变得模糊不清。人工智能工具 VALL-E 2是一款能够以惊人精度克隆人类声音的AI工具。然而，这项突破性技术…

西工大音频语音与语言处理研究组

转载2 years ago

Llama3.1系列模型的开源，真让大模型格局大震，指标上堪比最好的闭源模型比如GPT 4o和Claude3.5，让开源追赶闭源成为现实。 这里给大家分享一篇俊林兄（@知乎张俊林）的一篇解读，主要对LLaMA3.1的模型结构、训练过程进行分…

每日语音速递

原创2 years ago

今日论文合集：cs.SD语音8篇，eess.AS音频处理12篇。 本文经arXiv每日学术速递授权转载 cs.SD语音

西工大音频语音与语言处理研究组

原创2 years ago

语音转换 (Voice Conversion) 旨在保留语音中语言内容信息的同时，将源说话人音色转变为目标说话人的音色。越来越多的应用场景，如直播、视频会议等实时通信（RTC）应用中要求语音转换能够实时进行，而目前常见的语音转换模型以整段音…

每日语音速递

原创2 years ago

今日论文合集：cs.SD语音9篇，eess.AS音频处理16篇。 本文经arXiv每日学术速递授权转载 cs.SD语音

THUsatlab

转载2 years ago

尽管预训练模型在众多下游任务上有着优秀的表现，其在机器异常声音检测任务上往往表现不佳。本篇论文发现，迁移学习的一致性是异常检测性能的关键因素，包括结构一致性和数据一致性。 因此，研究团队提出了AnoPatch模型，在机器数据上对BEATs音…