GPT-4o攻破ARC-AGI无法被挑战的神话！71%准确率成新SOTA
号称不可能轻易被击败的AGI基准ARC-AGI被GPT-4o撼动，GPT-4o以在公共测试集50%、在训练集71%的准确率成为了新的SOTA！ ARC-AGI是唯一可以用来衡量通用人工智能进展的基准，创造者François Chollets…
37 0 0
声浪
2024 Interspeech & ACL｜通义实验室入选两大会议论文速览
分享8篇通义实验室在 INTERSPEECH 2024 和 ACL 2024 中稿的论文，涵盖音频理解与生成、语音情感表示、语音合成、语音分离、说话人验证、自动语音识别等多个技术方向。 INTERSPEECH是国际语音通讯协会（ISCA）组…
47 0 0
INTERSPEECH 2024丨NPU-ASLP 实验室14篇论文被录用
西工大音频语音与语言处理研究组（ASLP@NPU）将在INTERSPEECH 2024携合作伙伴宣读论文14篇，论文的合作单位包括腾讯、出门问问、小米、网易、字节跳动、爱奇艺、阿里巴巴、喜马拉雅、度小满、香港中文大学等。以下是发表论文的相关…
55 0 0
字节打造大模型TTS：不仅能高保真合成，而且支持调整编辑
TTS 是指文本转语音，这是一种具备诸多妙用的技术，像是让个人智能助理说话、为视频或游戏配音、辅助视障人士、制作有声书等等。对于 TTS 技术研发者来说，流畅自然的表达一直以来都是值得追求的重要目标。 字节跳动 Seed Team 发布的…
60 0 0
IEEE/ACM T-ASLP | 利用噪声感知的标签集成和样本选择改进说话人验证：学习并矫正噪声说话人标签
论文题目：利用噪声感知的标签集成和样本选择改进说话人验证：学习并矫正噪声说话人标签 作者列表：方志华，何亮*，李琳，胡英 单位：（1）新疆大学计算机科学与技术学院，乌鲁木齐 830017； （2）清华大学电子工程系，北京 100084； （…
23 0 0
![语音/音频处理学术速递[6.19]](https://speechhome.oss-cn-hangzhou.aliyuncs.com/Resources/Thumb/2024-06-21/1803992958815571968.jpg)
杀疯了！ 谷歌卷视频到语音，逼真音效让AI视频告别无声！
AI圈这遍地开花的大好局面，让吃瓜群众们甚是惊喜。 自 Sora 发布以来，国内外各大科技公司和研究机构都在竞相推出“文生视频”大模型，比如生数科技的 Vidu、快手的可灵和 Runway 昨天才发布的 Gen-3 Alpha 等。 然而，…
29 0 0
吴恩达：从 Agent 到 Agentic，超越基础模型的下一代 AI
“与其争论哪些工作才算是真正的 Agent，不如承认系统可以具有不同程度的 Agentic 特性。” —— 吴恩达 2024年 Snowflake 峰会开发者日上，人工智能领域的领军人物吴恩达 (Andrew Ng) 发表了题为“AI 代理…
37 0 0
字节内测「海绵音乐」，中文能力Max！“AI+音乐”赛道成抖音真正的动机！
近日，字节跳动正式宣布其AI音乐生成工具——海绵音乐，已经开启内测阶段，官网也已正式上线，预示着音乐创作和欣赏方式的全新升级。 官网：https://www.haimianyinyue.com/featured 值得一提的是，“海绵音乐”在…
27 0 0