声浪

THUHCSI人机语音交互实验室

原创2 years ago

TASLP MSStyleTTS：面向表现力语音合成的多尺度风格建模 本工作由清华大学与元象唯思控股(深圳)有限公司和香港中文大学合作，研究了表现力语音合成中的多尺度说话风格建模方法。现有的说话风格建模方法主要是根据当前句子中的信息预测单一…

语音小管家

原创2 years ago

论文题目：基于测小批量预测修正的自监督说话人验证 作者列表：王钧旭，方志华，何亮 单位：1.新疆大学计算机科学与技术学院 2.清华大学电子工程系 研究背景 目前高性能的深度学习模型大多通过精心标记的数据集进行训练，随着数据需求量的增加以及人…

西工大音频语音与语言处理研究组

原创2 years ago

大语言模型（LLM）在语音合成领域得到广泛应用，它将语音合成任务视为简单的下一个语音离散单元预测。其中，寻找合适的语音编解码器（Codec）来进行语音离散化和波形重建是首要问题。多码本编解码器由于其卓越的重建质量而被广泛采用。然而，多个码本…

每日语音速递

原创2 years ago

今日论文合集：cs.SD语音10篇，eess.AS音频处理9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

港中大（深圳）联合中科院声学所、上海人工智能实验室等机构发布了超过10万小时包含6种语言的多样化的语音生成数据集——Emilia！更重要的是，Amphion直接开源了Emilia-Pipe数据预处理框架，学术界也能众筹数据了，也能玩大模型了…

语音小管家

转载2 years ago

6月底，OpenAI宣布推迟发布语音功能和GPT5，7月3日晚，法国一个仅有 8 人的非营利性 AI 研究机构 —Kyutai，发布震惊世界的模型Moshi，具备听、说、看的多模态功能。（访问链接在文章末尾） 更加震撼的是他们在短短 6 个…

每日语音速递

原创2 years ago

今日论文合集：cs.SD语音13篇，eess.AS音频处理13篇。 本文经arXiv每日学术速递授权转载 cs.SD语音

THUHCSI人机语音交互实验室

原创2 years ago

TASLP StyleDub: 基于双向注意力机制的跨语言多尺度语音风格迁移联合学习 本文由清华大学与字节跳动合作，研究了自动配音（Automatic dubbing）场景下不同语言之间的语音风格迁移方法。在现有的跨语言自动配音方法中，一般…

语音小管家

原创2 years ago

中国传媒大学、中国科学院自动化研究所、中国科学院大学、清华大学联合推出了Codecfake数据集及面向ALM伪造音频的检测方法，相关论文《The Codecfake Dataset and Countermeasures for the U…

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10篇。 本文经arXiv每日学术速递授权转载 cs.SD语音