声浪

新智元

转载3 years ago

就在刚刚，GPT-4被从大模型铁王座上扯下来了！OpenAI最强竞对Anthropic发布的Claude 3系列模型，已经实现了对GPT-4的全面超越。网友表示：GPT-4时代已经终结，OpenAI可以请出Q*了。 卷疯了卷疯了，大模型又变…

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。 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3 years ago

去年 12 月，新架构 Mamba 引爆了 AI 圈，向屹立不倒的 Transformer 发起了挑战。如今，谷歌 DeepMind「Hawk 」和「Griffin 」的推出为 AI 圈提供了新的选择。 我们知道，循环神经网络（RNN）在深…

语音小管家

转载3 years ago

edge-tts是github上的一个开源项目，可以免费将文本转为语音，别看它只有2.8k star，替代科大讯飞的收费TTS服务完全没问题，因为这个项目实际是调用的微软edge的在线语音合成服务，支持40多种语言，300多种声音，效果毋容…

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9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3 years ago

为促进驾驶场景中语音处理和识别研究，在ISCSLP 2022上成功举办智能驾驶座舱语音识别挑战 (ICSRC)的基础上，西工大音频语音与语言处理研究组 (ASLP@NPU)联合理想汽车、希尔贝壳、WeNet社区、字节、微软、天津大学、南洋理…

每日语音速递

原创3 years ago

今日论文合集：cs.SD语音8篇，eess.AS音频处理11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3 years ago

3D-Speaker是通义实验室语音团队贡献的一个结合了声学、语义、视觉三维模态信息来解决说话人任务的开源项目。本项目涵盖说话人日志，说话人识别和语种识别任务，开源了多个任务的工业级模型，训练代码和推理代码。 本项目同时还开源了相应的研究数…

语音小管家

转载3 years ago

Abstract 我们介绍了一个文本到语音(TTS)模型，称为BASE TTS，它代表具有涌现能力的大自适应流TTS。 BASE TTS是迄今为止最大的TTS模型，在10万小时的公共领域语音数据上进行了训练，实现了语音自然度的新技术。 它部…

每日语音速递

原创3 years ago

今日论文合集：cs.SD语音13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