声浪

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

机器之心

转载3 years ago

今天，谷歌宣布推出 Gemini 1.5。 Gemini 1.5 建立在谷歌基础模型开发和基础设施的研究与工程创新的基础上，包括通过新的专家混合 (MoE) 架构使 Gemini 1.5 的训练和服务更加高效。 谷歌现在推出的是用于早期测试…

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10篇。 本文经arXiv每日学术速递授权转载 cs.SD语音

机器之心

转载3 years ago

伴随着生成式深度学习模型的飞速发展，自然语言处理（NLP）和计算机视觉（CV）已经经历了根本性的转变，从有监督训练的专门模型，转变为只需有限的明确指令就能完成各种任务的通用模型。 在语音处理和文本到语音（TTS）领域，这样的转变也正在发生，…

每日语音速递

原创3 years ago

今日论文合集：cs.SD语音4篇，eess.AS音频处理5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

WhisperFusion 基于 WhisperLive 和 WhisperSpeech 的功能而构建，在实时语音到文本管道之上集成了大型语言模型 Mistral (LLM)。 LLM 和 Whisper 都经过优化，可作为 TensorR…

语音小管家

转载3 years ago

Apple人工智能论文在提高自动语音识别 (ASR) 系统的准确性和效率方面取得了重大改进。最近的研究深入探讨将外部声学模型 (AM) 集成到端到端 (E2E) ASR 系统中，提出了一种解决域不匹配这一持续挑战的方法，这是语音识别技术中的…

西工大音频语音与语言处理研究组

原创3 years ago

目标说话人提取（Target Speaker Extraction, TSE）旨在从包含多个说话人的复杂音频中分离出特定的说话人的语音。在诸如会议交流和家庭聚会等场景中，存在诸多干扰说话人和背景噪声，这种情况下对特定说话人的语音提取是一项极…

语音小管家

转载3 years ago

IBM安全研究人员最近发现了一种“令人惊讶且极其简单”的技术，可以使用人工智能 (AI) 劫持和操纵实时对话。 这种被称为“音频劫持”的攻击依赖于生成人工智能（一类人工智能，包括OpenAI 的ChatGPT和Meta的Llama-2）和D…

西工大音频语音与语言处理研究组

原创3 years ago

自发语音合成（Spontaneous speech synthesis）就像ChatGPT的语音合成效果一样，旨在模仿人类自然说话的方式，包括讲话中出现的不自觉停顿、拖音等自发现象，以及更加多变的语气、语调、语速和节奏，甚至包括一些非语言内…