声浪

机器之心

转载3 years ago

文本输入和一个 15 秒的音频样本就能生成与原始说话者非常相似的自然声音。 3月30日凌晨，OpenAI在官网首次展示了全新自定义音频模型“Voice Engine”。 用户只需要提供15秒左右的参考声音，通过Voice Engine就能生…

每日语音速递

原创3 years ago

今日论文合集：cs.SD语音5篇，eess.AS音频处理8篇。 本文经arXiv每日学术速递授权转载 cs.SD语音

THUsatlab

转载3 years ago

本文介绍清华大学语音与音频技术实验室(SATLab) ICASSP 2024录用论文Whisper-Based Transfer Learning for Alzheimer Disease Classification: Leveragi…

每日语音速递

原创3 years ago

今日论文合集：cs.SD语音7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

原创3 years ago

2月16日，OpenAI 发布了视频生成领域的重磅模型 —— Sora。 Sora 对 Scaling Law 的信仰及其突破性的技术创新，使它持续保持领先地位。同时，也再次证明了“大力出奇迹”依然适用于文生视频领域。 Sora 披露的技术…

每日语音速递

原创3 years ago

今日论文合集：cs.SD语音7篇，eess.AS音频处理8篇。 本文经arXiv每日学术速递授权转载 cs.SD语音

新智元

转载3 years ago

就在刚刚，全球最强开源大模型王座易主，创业公司Databricks发布的DBRX，超越了Llama 2、Mixtral和Grok-1。MoE又立大功！这个过程只用了2个月，1000万美元，和3100块H100。 全球最强开源模型，一夜易主！…

每日语音速递

原创3 years ago

今日论文合集：cs.SD语音11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

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

阿里语音AI

原创3 years ago

在使用语音识别服务进行语音转文字的过程中，大多数情况下模型能正确地预测高频词汇，但是对诸如人名地名、命名实体等词频较低或与用户强相关的词汇，模型往往会识别为一个发音相近的其他结果，这使得语音识别模型在日常生活中、垂直领域落地时并不完美。 热…